谷歌开发技术推广工程师 Laurence Moroney 在 Google Cloud Next 大会上进行了一段 42 分钟的演讲，主题是「What‘s New with TensorFlow?」。本文作者 Cassie Kozyrkov 对该演讲进行了总结，概括出关于 TensorFlow 的九件事。机器之心对本文进行了编译介绍，希望对大家有所帮助。
我总结了今年 Google Cloud Next 大会上我最爱的一段演讲——What‘s New with TensorFlow?（https://www.youtube.com/watch?v=MR7w8ARAS2Y）
然后我想了想，简直找不出理由不向你们安利我对此演讲的超短总结。（除非你不看视频，不然你绝对应该看看这个演讲，演讲者 Laurence Moroney 很出色。）
#1：TensorFlow 是一个强大的机器学习框架
TensorFlow 是一个机器学习框架，如果你有大量的数据，或者你在追求人工智能最先进的技术：深度学习、神经网络等，它都会使你如虎添翼。它可不是数据科学界的瑞士军刀，而是工业车床！如果你想做的只是通过 20×2 的电子表格绘制一条回归线，那你可以停止阅读本文了。
但如果你追求的是更大的目标，那就嗨起来吧～TensorFlow 被用于寻找新的行星，协助医生检查糖尿病性视网膜病变来预防患者失明，向当局报告非法砍伐行为来拯救森林。它是 AlphaGo 和 Google Cloud Vision 的基础，也会是属于你的。TensorFlow 是开源的，你可以免费下载并立即开始使用。
- TensorFlow 下载地址：https://www.tensorflow.org/install/
- TensorFlow 初始教程：https://www.datacamp.com/community/tutorials/tensorflow-tutorial
在 TensorFlow 的帮助下发现的开普勒-90i 行星使开普勒-90 星系成为我们所知的唯一的另一个八颗行星绕一颗恒星运行的星系。目前还没有发现有超过八颗行星的星系，所以我想这意味着太阳系与开普勒-90 星系并列第一（目前）。
＃2：一个神奇操作
TensorFlow Eager 让我高枕无忧。
如果你之前尝试过 TensorFlow，但因为它使你像老学究或外星人（而不是开发者）一样编代码而疯掉，现在抓紧回来啊啊啊啊！！
TensorFlow 的 eager execution 让你像纯 Python 程序员一样进行交互：即时编写和即时逐行调试，而不是在构建那些庞大图表时还得屏住呼吸。我自己也是一个正在恢复正常的「学究」（很可能是外星人），但是自从它出现我就爱上了 TF 的 eager execution。强烈安利！
#3：逐行构建神经网络
Keras + TensorFlow = 更容易的神经网络构建！
Keras 致力于用户友好性和简单的原型设计，这是之前的 TensorFlow 所渴望的。如果你喜欢面向对象的思维，喜欢一次构建一层神经网络，你会喜欢 tf.keras。在下面几行代码中，我们创建了一个序列神经网络（sequential neural network），其具备标准的附属组件，如 dropout。
#4：不仅是 Python
你们抱怨 TensorFlow 只适用于 Python 已经有一段时间了。现在 TensorFlow 不再是 Python 使用者的专利了。现在它可以在很多语言中运行，R、Swift 以及 Java Script 等等。
#5 你可以在浏览器中做任何事
说到 JavaScript，你可以使用 TensorFlow.js 在浏览器中训练和执行模型。到这里尝试一些超酷的案例吧：https://js.tensorflow.org/～
使用 TensorFlow.js 在浏览器中执行实时人体姿态估计。打开你的相机试一下？https://storage.googleapis.com/tfjs-models/demos/posenet/camera.html。
#6： 针对小型设备的精简版
从博物馆买了个旧桌子？烤面包机？TensorFlow Lite 使得在移动设备和物联网设备等多种设备上执行模型成为可能，其推理速度是原始 TensorFlow 的 3 倍还多。现在你可以在树莓派或手机上进行机器学习了。在该演讲中，Laurence 做了一件勇敢的事情，在数千人面前用一个 Android 模拟器实时演示图像分类……并且成功了。
1.6 秒计算时间？是的！香蕉识别率超过 97%？是的！
#7：专用硬件更强劲
如果你已经厌倦了在训练神经网络过程中需要等待 CPU 完成数据处理，那么现在你可以使用专门为 Cloud TPU 设计的硬件，T 即 tensor。就像 TensorFlow……巧合吗？我认为不是！不久前，谷歌在 alpha 版中发布了第三版 TPU。
#8：新的数据工作流得到很大改进
你用 NumPy 做的是什么？如果你想在 TensorFlow 中执行同样的操作，但是却「怒退」（rage-quit），则 tf.data 命名空间可以帮助 TensorFlow 中的输入处理更具表达能力、更高效。tf.data 为你提供与训练同步的快速、灵活且易于使用的数据工作流。
#9：你不需要从零开始
你知道开始机器学习最可怕的是什么吗？编辑器中有一个空白的新页面，并且没有大量的示例代码。有了 TensorFlow Hub，你就可以更高效地执行由来已久的传统，即自己编写别人的代码，并将其称为自己的代码（这也称为专业软件工程）。
TensorFlow Hub 是一个可重复使用的预训练机器学习模型组件 repo，它的封装和使用都非常精简。你可以自己试一下！
- TensorFlow 官方 YouTube 频道：https://www.youtube.com/channel/UC0rqucBdTuFTjJiefW5t-IQ
- 博客：https://medium.com/tensorflow
原文地址：https://www.cnblogs.com/alan-blog-TsingHua/p/9729622.html