關於TensorFlow，你應該瞭解的9件事
谷歌開發技術推廣工程師 Laurence Moroney 在 Google Cloud Next 大會上進行了一段 42 分鐘的演講，主題是「What's New with TensorFlow?」。本文作者 Cassie Kozyrkov 對該演講進行了總結，概括出關於 TensorFlow 的九件事。機器之心對本文進行了編譯介紹，希望對大家有所幫助。
我總結了今年 Google Cloud Next 大會上我最愛的一段演講——What's New with TensorFlow?（ ofollow,noindex">www.youtube.com/watch?v=MR7…
然後我想了想，簡直找不出理由不向你們安利我對此演講的超短總結。（除非你不看視訊，不然你絕對應該看看這個演講，演講者 Laurence Moroney 很出色。）
1：TensorFlow 是一個強大的機器學習框架
TensorFlow 是一個機器學習框架，如果你有大量的資料，或者你在追求人工智慧最先進的技術：深度學習、神經網路等，它都會使你如虎添翼。它可不是資料科學界的瑞士軍刀，而是工業車床！如果你想做的只是通過 20×2 的電子表格繪製一條迴歸線，那你可以停止閱讀本文了。
但如果你追求的是更大的目標，那就嗨起來吧～TensorFlow 被用於尋找新的行星，協助醫生檢查糖尿病性視網膜病變來預防患者失明，向當局報告非法砍伐行為來拯救森林。它是 AlphaGo 和 Google Cloud Vision 的基礎，也會是屬於你的。TensorFlow 是開源的，你可以免費下載並立即開始使用。
- TensorFlow 下載地址： www.tensorflow.org/install/
- TensorFlow 初始教程： www.datacamp.com/community/t…
2：一個神奇操作
TensorFlow Eager 讓我高枕無憂。
如果你之前嘗試過 TensorFlow，但因為它使你像老學究或外星人（而不是開發者）一樣編程式碼而瘋掉，現在抓緊回來啊啊啊啊！！
TensorFlow 的 eager execution 讓你像純 Python 程式員一樣進行互動：即時編寫和即時逐行除錯，而不是在構建那些龐大圖表時還得屏住呼吸。我自己也是一個正在恢復正常的「學究」（很可能是外星人），但是自從它出現我就愛上了 TF 的 eager execution。強烈安利！
3：逐行構建神經網路
Keras + TensorFlow = 更容易的神經網路構建！
Keras 致力於使用者友好性和簡單的原型設計，這是之前的 TensorFlow 所渴望的。如果你喜歡面向物件的思維，喜歡一次構建一層神經網路，你會喜歡 tf.keras。在下面幾行程式碼中，我們建立了一個序列神經網路（sequential neural network），其具備標準的附屬元件，如 dropout。
4：不僅是 Python
你們抱怨 TensorFlow 只適用於 Python 已經有一段時間了。現在 TensorFlow 不再是 Python 使用者的專利了。現在它可以在很多語言中執行，R、Swift 以及 Java Script 等等。
5 你可以在瀏覽器中做任何事
說到 JavaScript，你可以使用 TensorFlow.js 在瀏覽器中訓練和執行模型。到這裡嘗試一些超酷的案例吧：js.tensorflow.org/～
6： 針對小型裝置的精簡版
從博物館買了箇舊桌子？烤麵包機？TensorFlow Lite 使得在移動裝置和物聯網裝置等多種裝置上執行模型成為可能，其推理速度是原始 TensorFlow 的 3 倍還多。現在你可以在樹莓派或手機上進行機器學習了。在該演講中，Laurence 做了一件勇敢的事情，在數千人面前用一個 Android 模擬器實時演示影象分類……並且成功了。
7：專用硬體更強勁
如果你已經厭倦了在訓練神經網路過程中需要等待 CPU 完成資料處理，那麼現在你可以使用專門為 Cloud TPU 設計的硬體，T 即 tensor。就像 TensorFlow……巧合嗎？我認為不是！不久前，谷歌在 alpha 版中釋出了第三版 TPU。
8：新的資料工作流得到很大改進
你用 NumPy 做的是什麼？如果你想在 TensorFlow 中執行同樣的操作，但是卻「怒退」（rage-quit），則 tf.data 名稱空間可以幫助 TensorFlow 中的輸入處理更具表達能力、更高效。tf.data 為你提供與訓練同步的快速、靈活且易於使用的資料工作流。
TensorFlow Hub 是一個可重複使用的預訓練機器學習模型元件 repo，它的封裝和使用都非常精簡。你可以自己試一下！