TensorFlow 開發者峯會：支持 Swift，更好的支持 JavaScript

2018 TensorFlow 開發者峯會於北京時間 3 月 31 日凌晨 0 點 30 分在美國加利福尼亞州計算機歷史博物館如期舉行，聚集全球機器學習開發者進行爲期一天的技術分享和演示。

此次的大會上，沒有太多使人驚喜的發佈。

固然也有一些值得關注的改變。

其中討論最多的話題，仍是TensorFlow這個平臺對更多編程語言的支持。主要是JavaScript和Swift。

其一，TensorFlow發佈面向JavaScript開發者的機器學習框架TensorFlow.js 

這是一個面向JavaScript開發者的機器學習框架，能夠徹底在瀏覽器中定義和訓練模型，也能導入離線訓練的TensorFlow和Keras模型進行預測，還對WebGL實現無縫支持。

在瀏覽器中使用TensorFlow.js能夠擴展更多的應用場景，包括展開交互式的機器學習、全部數據都保存在客戶端的狀況等。

實際上，這個新發布的TensorFlow.js，就是基於以前的deeplearn.js，只不過被整合進TensorFlow之中。

Google還給了幾個TensorFlow.js的應用案例：

遊戲：Emoji尋寶

地址：emojiscavengerhunt.withgoogle.com/

更多能夠訪問：js.tensorflow.org/

其二，TensorFlow for Swift將在四月開源

儘管這個項目還在初期階段，可是也有不少人對此抱有期待。例如fast.ai創始人、前任Kaggle總裁Jeremy Howard就把這個列爲峯會最重要的發佈內容，並且還說：咱們是否是終於能夠放下Python了？

關於TensorFlow for Swift信息較少，感興趣的能夠訪問下面這個地址：www.tensorflow.org/community/s…

此外，TensorFlow還有一些新功能。

包括TensorFlow Hub。「旨在促進模型的可重複使用部分的發佈、發現和使用……它們包含了已在大型數據集上預先訓練好的變量，而且能夠用一個較小的數據集進行再訓練，來提升泛化能力，或是加速訓練」。

這部分說明引自Google官方微信公衆號TensorFlow。

Cloud TPU也會更快更強。

若是你對此次的峯會更多內容感興趣，建議直接訪問新發布的TensorFlow博客查看，地址是：blog.tensorflow.org （跳轉medium.com）

TensorFlow 1.7.0提早發佈

去年2月16日，2017年度TensorFlow開發者大會也是山景城召開。當時的大會上，Google推出了TensorFlow 1.0版本。

不過，此次的開發者大會確定是不會發布2.0版本了。

由於就在此次的開發者大會前不久，Google發佈了TensorFlow 1.7.0版本。主要的改進包括把Eager模式從contrib中移出來等。

而其中最引人矚目的，就是從這個版本開始，TensorFlow全面集成了來自英偉達的TensorRT。

做爲一個庫，TensorRT可以優化TensorFlow的FP16浮點和INT8整數計算，並且還能最大化吞吐量，下降GPU的推理延遲等等。

Google給出的數據顯示，整合了TensorRT的TensorFlow在運行ResNet-50時，比沒有整合的版本提速8倍。

更多關於TensorFlow 1.7.0版本的狀況，能夠訪問GitHub瞭解。地址：github.com/tensorflow/…

這個月中旬，Stack Overflow發佈了十萬程序員大調查。這份調查報告顯示，TensorFlow是程序員最愛框架。

報告稱：機器學習框架在開發者們心目中形象不錯，TensorFlow榮登程序員最愛榜榜首，有73.5%正在用它的程序員表示還想繼續用，Torch/PyTorch排在第3名，68%用戶打算繼續用下去。

在程序員最想學的框架中，TensorFlow排在第3，而Torch/PyTorch排在第10名。還沒用上TensorFlow的程序員有15.5%打算學一學，而沒用上Torch/PyTorch的人裏，有4.5%的人打算投入它的懷抱。

同時，也有很多人對這兩個機器學習框架不太滿意，26.5%的TensorFlow用戶想脫離它。

以上內容來自微信公衆號量子位（ID：QbitAI），夏乙 僞裝發自 Computer History Museum，著做權歸做者全部。商業轉載請聯繫做者得到受權，非商業轉載請註明出處。部份內容與原文有所不一樣。

更多相關內容請戳➡️2018 TensorFlow開發者峯會都發布了哪些殺器？

TensorFlow 中文文檔說明 📋

爲了方便開發者和研究人員瞭解學習和使用 TensorFlow，咱們準備了下列內容。併爲你們提供了 TensorFlow 中文文檔。

TensorFlow Docs 是由掘金翻譯計劃實時維護的 TensorFlow 官方文檔中文版，維護者由全球各大公司開發人員和各著名高校研究者及學生組成。歡迎你們加入維護團隊，歡迎提 Issue 和 PR。

詳細內容請見 TensorFlow 中文文檔

權威資源 💼

1. 👨 官網：www.tensorflow.org
2. 📖 中文版文檔：TensorFlow Docs
3. 🗣 Google+：TensorFlow Google+ 社羣
4. 🐙 Github：https://github.com/tensorflow
5. 🏃 Twitter：https://twitter.com/tensorflow
6. 🐥 Slack：http://gdsub.cn/tfcn

視頻 🎥

1. Deep Learning | Coursera
2. Machine Learning | Coursera
3. Machine Learning Foundations: A Case Study Approach | Coursera
4. Tensorflow tutorials (Eng Sub) 神經網絡系列教程 | YouTube

相關開源庫 🔧

1. Tensorboard: TensorFlow's Visualization Toolkit
2. Tensor2tensor: A library for generalized sequence to sequence models
3. Tensorboard-plugin-example
4. Playground: Play with neural networks
5. Skflow: Simplified interface for TensorFlow for Deep Learning
6. Flod: Deep learning with dynamic computation graphs in TensorFlow
7. TensorFlow-Examples: TensorFlow Tutorial and Examples for Beginners with Latest APIs
8. tflearn: Deep learning library featuring a higher-level API for TensorFlow