TensorFlow是程序員們公認的AI最酷的開發框架！
通過新的Google投資，TensorFlow現在是AI的領先開發框架
深度學習，機器學習和其他人工智能的開發人員越來越多地采用TensorFlow框架。
盡管TensorFlow不是官方的Apache項目，但幾年前它的開發商Google LLC仍在開源，該公司繼續對該框架進行深入投資。在加利福尼亞州山景城舉行的TensorFlow開發者峰會上，谷歌發布了多項聲明，表明其對TensorFlow發展的承諾依然強勁。
TensorFlow成熟為真正的企業級AI開發工具現在正在進行中。由于超過500名現場與會者和更多人通過直播，Google宣布它已經在TensorFlow周圍的工具，支持平臺和開發者生態系統方面進行了以下新的投資：
端到端的TensorFlow開發管道平臺：谷歌宣布了未來端到端AI管道平臺的路線圖，稱為TensorFlow Extended或TFX。該平臺將包括目前已發布的組件，包括TensorFlow模型分析，TensorFlow轉換，Estimators和TensorFlow服務，以及未來的集成組件，以幫助開發人員準備數據，培訓，驗證和部署生產中的TensorFlow模型。
TensorFlow客戶端支持：Google宣布推出TensorFlow.js，這是一個面向Java開發人員的基于瀏覽器的新ML框架。
TensorFlow.js是一個交互式框架，用于開發客戶端ML應用程序，其中數據完全保留在瀏覽器中。它完全在瀏覽器中支持ML模型構建和培訓。它還支持導入離線訓練的TensorFlow和Keras模型，以便使用WebGL加速支持基于瀏覽器的推理。谷歌宣布對TensorFlow Lite進行更新，包括更輕，更快的核心解釋器，用于在移動和其他邊緣設備上部署經過培訓的ML模型，包括在Raspberry Pi上運行的設備。它宣布開放TensorFlow for Swift，支持在iOS上運行的移動應用程序的ML / DL開發。
TensorFlow開發人員體驗：Google為TensorFlow開發人員推出了直觀的編程模型。 這個名為eager execution的新模型提供了一個命令式的Python編程環境，可以在TensorFlow中立即評估計算圖操作，而無需額外的圖形構建步驟。 熱切的執行可以對小型模型和小型數據進行快速迭代。 它可以幫助AI開發人員快速入門并以交互方式調試TensorFlow模型，而不是總是需要合理計算圖形以便以后執行。
TensorFlow模型共享和重用：Google推出了一個新的TensorFlow Hub庫，旨在幫助開發人員共享和重用DL模型。 TensorFlow Hub鼓勵發布和發現TensorFlow圖形的獨立模塊化部件，以便在類似任務中重復使用。 這些模塊已在大型數據集上預先訓練，可以重新訓練并用于新的應用程序。
TensorFlow模型評估和調試：Google宣布了TensorFlow模型分析，這是一個結合了TensorFlow和Apache Beam的開源庫，用于計算和可視化模型評估指標。 它還啟動了調試器儀表板，它是TensorBoard可視化工具的交互式圖形調試器插件，可幫助開發人員實時檢查和逐步檢查TensorFlow計算圖的內部節點。
TensorFlow硬件支持：Google推出了一種在單臺機器上運行多個圖形處理單元上的TensorFlow Estimator模型的新方法，從而使開發人員能夠以最少的代碼更改快速擴展其模型。 它宣布TensorFlow與NVIDIA的TensorRT庫集成，該庫優化了用于GPU上的推理的DL模型，并創建了在生產環境中的GPU上部署的運行時。 谷歌還宣布它和英特爾已經提供了更快，更高效的英特爾MKL-DNN開源DL庫的集成。此外，它表示TensorFlow現在運行在谷歌的云TPU上，該TPU在2月份發布測試版，將供TensorFlow用戶使用 即將發布的TensorFlow 1.8版本。
TensorFlow統計算法支持：Google宣布TensorFlow現在通過TensorFlow概率API和庫支持貝葉斯分析，該API包含概率分布，抽樣方法和新指標和損失等構建模塊。 它還宣布了新的預制高級課程，用于培訓和部署提升的決策樹。
TensorFlow應用領域：Google為TensorFlow發布了Nucleus基因組學庫，該庫支持讀取，編寫和過濾常見的基因組學文件格式。 與DeepVariant（一種基于TensorFlow的開源基因變異發現工具）相結合，旨在加速TensorFlow中的基因組學研究和開發。
為了圍繞TensorFlow構建開發者生態系統，Google還宣布了一系列新的社區資源，包括官方TensorFlow博客，TensorFlow頻道，新TensorFlow郵件列表和TensorFlow特別興趣小組。此外，谷歌還推出Edge TPU深度學習加速器硬件。
Google宣布計劃發布一款名為Edge TPU的硬件產品，將其TensorFlow加速張量處理單元（TPU）技術應用于物聯網。
TPU最初于2016年5月宣布為加速公司搜索，翻譯和其他服務的內部項目，是一系列定制的專用集成電路（ASIC），旨在加速深度學習算法。從其僅限內部使用的推出開始，該技術已經進入了Google云平臺 - 現在，這是第一次以第三方開發人員的硬件形式提供。
“邊緣TPU是谷歌專用的ASIC芯片，專為在邊緣運行TensorFlow Lite ML模型而設計，”廣告業巨頭物聯網（IoT）和谷歌云副總裁Injong Rhee說。 “在設計Edge TPU時，我們專注于優化”每瓦性能“和”每美元性能“。 Edge TPU旨在補充我們的云TPU產品，因此您可以加速云中的ML培訓，然后在邊緣進行快速的ML推理。您的傳感器不僅僅是數據采集器 - 它們可以做出本地，實時，智能的決策。“
谷歌已經確認與一系列公司合作，將Edge TPU硬件集成到他們的產品中，同時也承諾發布一個模塊化系統（SOM）開發板，其布局類似于流行的Raspberry Pi，適用于有興趣進行實驗的開發人員。
深度學習，機器學習和其他人工智能的開發人員越來越多地采用TensorFlow框架。
盡管TensorFlow不是官方的Apache項目，但幾年前它的開發商Google LLC仍在開源，該公司繼續對該框架進行深入投資。在加利福尼亞州山景城舉行的TensorFlow開發者峰會上，谷歌發布了多項聲明，表明其對TensorFlow發展的承諾依然強勁。
TensorFlow成熟為真正的企業級AI開發工具現在正在進行中。由于超過500名現場與會者和更多人通過直播，Google宣布它已經在TensorFlow周圍的工具，支持平臺和開發者生態系統方面進行了以下新的投資：
端到端的TensorFlow開發管道平臺：谷歌宣布了未來端到端AI管道平臺的路線圖，稱為TensorFlow Extended或TFX。該平臺將包括目前已發布的組件，包括TensorFlow模型分析，TensorFlow轉換，Estimators和TensorFlow服務，以及未來的集成組件，以幫助開發人員準備數據，培訓，驗證和部署生產中的TensorFlow模型。
TensorFlow客戶端支持：Google宣布推出TensorFlow.js，這是一個面向Java開發人員的基于瀏覽器的新ML框架。
TensorFlow.js是一個交互式框架，用于開發客戶端ML應用程序，其中數據完全保留在瀏覽器中。它完全在瀏覽器中支持ML模型構建和培訓。它還支持導入離線訓練的TensorFlow和Keras模型，以便使用WebGL加速支持基于瀏覽器的推理。谷歌宣布對TensorFlow Lite進行更新，包括更輕，更快的核心解釋器，用于在移動和其他邊緣設備上部署經過培訓的ML模型，包括在Raspberry Pi上運行的設備。它宣布開放TensorFlow for Swift，支持在iOS上運行的移動應用程序的ML / DL開發。
TensorFlow開發人員體驗：Google為TensorFlow開發人員推出了直觀的編程模型。 這個名為eager execution的新模型提供了一個命令式的Python編程環境，可以在TensorFlow中立即評估計算圖操作，而無需額外的圖形構建步驟。 熱切的執行可以對小型模型和小型數據進行快速迭代。 它可以幫助AI開發人員快速入門并以交互方式調試TensorFlow模型，而不是總是需要合理計算圖形以便以后執行。
TensorFlow模型共享和重用：Google推出了一個新的TensorFlow Hub庫，旨在幫助開發人員共享和重用DL模型。 TensorFlow Hub鼓勵發布和發現TensorFlow圖形的獨立模塊化部件，以便在類似任務中重復使用。 這些模塊已在大型數據集上預先訓練，可以重新訓練并用于新的應用程序。
TensorFlow模型評估和調試：Google宣布了TensorFlow模型分析，這是一個結合了TensorFlow和Apache Beam的開源庫，用于計算和可視化模型評估指標。 它還啟動了調試器儀表板，它是TensorBoard可視化工具的交互式圖形調試器插件，可幫助開發人員實時檢查和逐步檢查TensorFlow計算圖的內部節點。
TensorFlow硬件支持：Google推出了一種在單臺機器上運行多個圖形處理單元上的TensorFlow Estimator模型的新方法，從而使開發人員能夠以最少的代碼更改快速擴展其模型。 它宣布TensorFlow與NVIDIA的TensorRT庫集成，該庫優化了用于GPU上的推理的DL模型，并創建了在生產環境中的GPU上部署的運行時。 谷歌還宣布它和英特爾已經提供了更快，更高效的英特爾MKL-DNN開源DL庫的集成。此外，它表示TensorFlow現在運行在谷歌的云TPU上，該TPU在2月份發布測試版，將供TensorFlow用戶使用 即將發布的TensorFlow 1.8版本。
TensorFlow統計算法支持：Google宣布TensorFlow現在通過TensorFlow概率API和庫支持貝葉斯分析，該API包含概率分布，抽樣方法和新指標和損失等構建模塊。 它還宣布了新的預制高級課程，用于培訓和部署提升的決策樹。
TensorFlow應用領域：Google為TensorFlow發布了Nucleus基因組學庫，該庫支持讀取，編寫和過濾常見的基因組學文件格式。 與DeepVariant（一種基于TensorFlow的開源基因變異發現工具）相結合，旨在加速TensorFlow中的基因組學研究和開發。
為了圍繞TensorFlow構建開發者生態系統，Google還宣布了一系列新的社區資源，包括官方TensorFlow博客，TensorFlow頻道，新TensorFlow郵件列表和TensorFlow特別興趣小組。此外，谷歌還推出Edge TPU深度學習加速器硬件。
Google宣布計劃發布一款名為Edge TPU的硬件產品，將其TensorFlow加速張量處理單元（TPU）技術應用于物聯網。
TPU最初于2016年5月宣布為加速公司搜索，翻譯和其他服務的內部項目，是一系列定制的專用集成電路（ASIC），旨在加速深度學習算法。從其僅限內部使用的推出開始，該技術已經進入了Google云平臺 - 現在，這是第一次以第三方開發人員的硬件形式提供。
“邊緣TPU是谷歌專用的ASIC芯片，專為在邊緣運行TensorFlow Lite ML模型而設計，”廣告業巨頭物聯網（IoT）和谷歌云副總裁Injong Rhee說。 “在設計Edge TPU時，我們專注于優化”每瓦性能“和”每美元性能“。 Edge TPU旨在補充我們的云TPU產品，因此您可以加速云中的ML培訓，然后在邊緣進行快速的ML推理。您的傳感器不僅僅是數據采集器 - 它們可以做出本地，實時，智能的決策。“
谷歌已經確認與一系列公司合作，將Edge TPU硬件集成到他們的產品中，同時也承諾發布一個模塊化系統（SOM）開發板，其布局類似于流行的Raspberry Pi，適用于有興趣進行實驗的開發人員。