深度學(xué)習(xí)，機(jī)器學(xué)習(xí)和其他人工智能的開發(fā)人員越來越多地采用TensorFlow框架。

盡管TensorFlow不是正式的Apache項(xiàng)目，但幾年前由其開發(fā)者Google LLC開源，該公司繼續(xù)對(duì)該框架進(jìn)行大量投資。在 上周于加利福尼亞州山景城舉行的TensorFlow開發(fā)者峰會(huì)上，Google宣布了幾項(xiàng)聲明，表明其對(duì)TensorFlow的發(fā)展承諾仍然堅(jiān)定。

TensorFlow逐漸成熟為真正的企業(yè)級(jí)AI開發(fā)工具。隨著500多位現(xiàn)場參與者以及通過直播的更多參與者看到，Google宣布已在TensorFlow周圍開發(fā)工具，支持平臺(tái)和開發(fā)者生態(tài)系統(tǒng)方面進(jìn)行了以下新投資：

端到端TensorFlow開發(fā)管道平臺(tái)：Google宣布了稱為TensorFlow Extended或TFX的未來端到端AI管道平臺(tái)的路線圖。該平臺(tái)將包括迄今已發(fā)布的組件，包括TensorFlow模型分析，TensorFlow變換，估計(jì) 和TensorFlow服務(wù)， 生產(chǎn)以及將來的集成組件，以幫助開發(fā)者準(zhǔn)備數(shù)據(jù)，培訓(xùn)，驗(yàn)證和部署TensorFlow模型。

TensorFlow客戶端支持：Google宣布TensorFlow.js，這是一個(gè)針對(duì)JavaScript開發(fā)人員的基于瀏覽器的新ML框架。TensorFlow.js是一個(gè)交互式框架，用于開發(fā)客戶端ML應(yīng)用程序，其中數(shù)據(jù)完全保留在瀏覽器中。 它完全在瀏覽器中支持ML模型的構(gòu)建和訓(xùn)練。它還支持導(dǎo)入經(jīng)過離線訓(xùn)練的TensorFlow和Keras模型，以支持使用WebGL加速的基于瀏覽器的推理。Google宣布對(duì)TensorFlow Lite進(jìn)行更新，其中包括一個(gè)重量更輕，速度更快的核心解釋器，用于在移動(dòng)設(shè)備和其他邊緣設(shè)備(包括在Raspberry Pi上運(yùn)行的設(shè)備)上部署經(jīng)過訓(xùn)練的ML模型。它宣布將開源TensorFlow for Swift 支持在iOS中運(yùn)行的移動(dòng)應(yīng)用程序的ML / DL開發(fā)。

TensorFlow開發(fā)人員的經(jīng)驗(yàn)：Google為TensorFlow開發(fā)人員推出了直觀的編程模型。這個(gè)名為eager執(zhí)行的新模型提供了一個(gè)命令式Python編程環(huán)境，該環(huán)境可以立即在TensorFlow中評(píng)估計(jì)算圖操作，而無需執(zhí)行額外的圖構(gòu)建步驟。 急切的執(zhí)行可以在小型模型和小型數(shù)據(jù)上進(jìn)行快速迭代。它可幫助AI開發(fā)人員快速入門并以交互方式調(diào)試TensorFlow模型，而不必始終構(gòu)造計(jì)算圖以供以后執(zhí)行。

TensorFlow模型共享和重用：Google推出了一個(gè)新的庫TensorFlow Hub，該庫旨在幫助開發(fā)人員共享和重用DL模型。TensorFlow Hub鼓勵(lì)發(fā)布和發(fā)現(xiàn)自包含的TensorFlow圖的模塊化片段，以便在類似任務(wù)中重復(fù)使用。這些模塊已在大型數(shù)據(jù)集中進(jìn)行了預(yù)訓(xùn)練，并且可能會(huì)被重新訓(xùn)練并在新的應(yīng)用程序中使用。

TensorFlow模型評(píng)估和調(diào)試：Google宣布了TensorFlow Model Analysis，這是一個(gè)開放源代碼庫，結(jié)合了TensorFlow和Apache Beam來計(jì)算和可視化模型評(píng)估指標(biāo)。它還啟動(dòng)了Debugger Dashboard，這是用于TensorBoard可視化工具的交互式圖形調(diào)試器插件，可幫助開發(fā)人員實(shí)時(shí)檢查并逐步瀏覽TensorFlow計(jì)算圖的內(nèi)部節(jié)點(diǎn)。

TensorFlow硬件支持：Google推出了一種新方法，可在一臺(tái)機(jī)器上的多個(gè)圖形處理單元上運(yùn)行TensorFlow Estimator模型，從而使開發(fā)人員能夠以最少的代碼更改快速擴(kuò)展其模型。它宣布了TensorFlow與NVIDIA TensorRT庫的集成，該庫優(yōu)化了DL模型以在GPU上進(jìn)行推理，并創(chuàng)建了運(yùn)行時(shí)以在生產(chǎn)環(huán)境中部署在GPU上。谷歌還宣布，它與英特爾已經(jīng)實(shí)現(xiàn)了與更快，更高效的英特爾MKL-DNN開源DL庫的集成。此外，它還說TensorFlow現(xiàn)在可以在谷歌的Cloud TPU上運(yùn)行，后者已經(jīng)發(fā)布了Beta 將于2月發(fā)布，并將在即將發(fā)布的TensorFlow 1.8版本中提供給TensorFlow用戶。

TensorFlow統(tǒng)計(jì)算法支持：Google宣布TensorFlow現(xiàn)在通過TensorFlow概率API和庫支持貝葉斯分析，該庫和構(gòu)建庫包含諸如概率分布，采樣方法以及新指標(biāo)和損失之類的構(gòu)建塊。它還宣布了新的預(yù)制高級(jí)課程，用于培訓(xùn)和部署增強(qiáng)型決策樹。

TensorFlow應(yīng)用程序領(lǐng)域：Google為TensorFlow發(fā)布了Nucleus基因組庫，該庫支持讀取，寫入和過濾常見的基因組文件格式。與DeepVariant(基于TensorFlow的開源工具進(jìn)行基因組變異發(fā)現(xiàn))配合使用，旨在加速TensorFlow中的基因組研究和開發(fā)。

為了圍繞TensorFlow構(gòu)建開發(fā)者生態(tài)系統(tǒng)，Google還宣布了一系列新的社區(qū)資源，包括官方TensorFlow博客，TensorFlow YouTube頻道，新的TensorFlow郵件列表 和TensorFlow特殊興趣小組。