作者 | Cassie Kozyrkov

译者 | 王天宇

编辑 | Jane

出品 | AI科技大本营

【导读】AI科技大本营曾报道过，TensorFlow 2.0 已经在开发计划中了，相信在不久的将来就会和我们见面。那么现在的 TensorFlow 都有哪些功能，大家是否都全部了解呢？近日，谷歌在 Google Cloud Next 上发布了关于TensorFlow 的所有新内容，AI科技大本营已经为你准备好了~

https://v.qq.com/txp/iframe/player.html?vid=o0768rkeuwb&width=500&height=375&auto=0



▌1.一个强大的机器学习框架

TensorFlow 是一个机器学习的框架，如果你有大量数据需要处理，或是你在和深度学习打交道，那么 TensorFlow 都将会成为你的得力助手。神经网络是深度学习的重头戏。在数据科学中，它不是一把瑞士军刀，而是工业车床，如果你只想用一条回归线穿过 20x2 的数据表，那么下面的内容对你来说可能用处不大。

但如果你的数据量很大，那 TensorFlow 一定帮得上你。TensorFlow 已被用于寻找新的行星，帮助医生检测糖尿病视网膜病，以及把非法的伐林行为报告给官方来帮助保护森林。另外，AlphaGo 和 Google Cloud Vision 也是基于 TensorFlow 开发的。而且 TensorFlow 是开源的，你可以免费下载并立刻上手操作。



在 TensorFlow 的帮助下，人类发现了 Kepler-90i 星球，这使 Kepler-90 系统成为我们目前知道的唯一一个八颗行星围绕一颗星旋转的系统。

▌2.动态图机制，简单易操作

我对 TensorFlow 的 Eager Execution 模式实在太钟爱了。如果你过去曾使用过 TensorFlow，肯定会因为过于“学术”的代码风格而被吓跑了，那么现在请考虑回来吧！

TensorFlow 的 Eager Execution 机制可以让你做一个纯粹的 Python 程序员，可即时显示编写与运行错误，方便调试，你不用屏住呼吸等待一大段代码的编译结果。我个人也是偏向学术派，但是我已经爱上 Eager Execution 这个机制了，相信你也会。



Eager Execution 链接：

https://www.tensorflow.org/guide/eager

▌3.可以逐行建立一个神经网络

Keras + TensorFlow = 快速建立神经网络的方式！

Keras 对用户是非常友好的，让建模变得更容易。如果你喜欢面向对象的思维方式，同时倾向于逐层地创建一个神经网络，那么你一定会喜欢 tf.keras。仅需下面几行代码，就可以创建一个漂亮的序贯神经网络。



▌4.不止于 Python，可用于多种编程语言

你可能曾经抱怨过 TensorFlow 的偏执，因为它只能用于 Python。那这个对你来说绝对是一个好消息！现在 TensorFlow 不再只钟情于 Python 了，它已经可以支持多种语言，从 R 到 Swift 到 JavaScript 都可以调用 TensorFlow 了。



▌5.在浏览器中做任何事

谈到 JavaScript ，自从有了 TensorFlow.js，你就可以在浏览器中训练并运行你的模型。你可以在官方社区中看到各种酷毙了的 demo。

注：AI科技大本营以前也为大家介绍过一些有趣的技术，例如在浏览器中通过 TensorFlow.js 进行人脸检测与特征识别。还有开发者利用摄像头和 TensorFlow.js 实现了对手语的识别。可见，这个 API 受到了广大开发者的欢迎。



这是一个基于 TensorFlow.js 的在浏览器中可以实时识别人动作的小应用。你可以打开摄像头，试试这个在线 demo：

https://storage.googleapis.com/tfjs-models/demos/posenet/camera.html

▌6.专用于小型设备的 Lite 版

TensorFlow Lite 版使模型可以在多种设备上运行，包括移动设备和物联网设备，它的运行速度达到了原版 TensorFlow 的3倍。没错，你现在可以在你的树莓派或者手机上进行机器学习了！有一位用户直播在安卓模拟器上进行图像识别，结果他成功了。



计算只用了约1.6秒！

▌7.专属的硬件

如果你厌倦了等待 CPU 用大量数据去训练神经网络，那么现在你可以试试专门为此设计的硬件 Cloud TPU。几周前，Google 发布了 TPU 的第三个版本。



▌8.数据管道的效率大大提升

如果你要使用 NumPy 时怎么办呢？为了避免你在 TensorFlow 中引用它的种种不便，TensorFlow 提供了 tf.data，这一 API 的加入可以使输入过程更加高效。在训练过程中，tf.data 可以让我们的数据管道更加速度、灵活且易操作。



▌9.你不用从零开始

你知道在机器学习起步阶段最无聊的事情是什么吗？编辑器里空白的页面，放眼望去一个代码示例也没有。但有了 TensorFlow Hub，你可以自助引用其他人的代码，并将其变成你自己的，相信你会爱上这种高效的方式。



TensorFlow Hub 是一个可以重复使用机器学习模型的库，也就是说我们可以在其他类似的任务中重复使用一个模块。

原文链接：

https://hackernoon.com/9-things-you-should-know-about-tensorflow-9cf0a05e4995

——完——