谷歌发布TensorFlow 1.0，推出新的机器学习工具

   <p style="text-align: center;"><img alt="谷歌发布TensorFlow 1.0，推出新的机器学习工具" src="https://simg.open-open.com/show/3f087f971357e473633c563565cbc9d3.jpg" /></p>    <p>在加利福尼亚州山景城举行的首届TensorFlow Dev峰会上， 谷歌 (微博)正式发布了用于深度学习的TensorFlow 1.0开源框架。谷歌表示，这个版本现在可以用于生产环境，开发人员可通过其应用编程接口（API）使用它。</p>    <p>该框架包含人工神经网络，可以用数据进行训练，然后对新的数据做出推断。TensorFlow的工程总监Rajat Monga在会议上说，它增添了一些新的工具，比如更加传统的机器学习工具K-means和支持向量机（SVM）等。</p>    <p>该框架还集成了基于Python的Keras库。这个库的初衷是简化Theano深度学习框架的使用。而现在它有了“预制的估计量”或模型，包括简单的神经网络，令开发者可以迅速上手。</p>    <p>此外，谷歌很快将开源可以令TensorFlow速度提高58倍（特别是谷歌的Inception神经网络模型的第三版）的代码。 TensorFlow还将支持Hexagon数字信号处理器（ 高通 Snapdradon 820移动芯片以及它的Dragonboard 820c板上有这种信号处理器）。现在它有一个实验性质的TensorFlow编译器（XLA）可以即时（JIT）把图形编译为合适的汇编语言。</p>    <p>它还有一个实验性的Java API。以及一个调试器。</p>    <p>谷歌在2015年首次推出了TensorFlow，这个社区先后给它增加了一些功能，包括分布式训练，对Hadoop分布式文件系统（HDFS）的支持，以及良好的Parsey McParseFace语言解析器等。</p>    <p>谷歌提供了云机器学习（Cloud Machine Learning）服务，你可以在谷歌的云基础设施上运行TensorFlow。</p>    <p>工程总监Megan Kacholia说，到今年3月底之前，谷歌不仅会发布新的基准测试，用来对TensorFlow与其他深度学习框架进行比较，而且还会发布用来执行基准测试的模型。</p>    <p>与已有版本相比，全新的 TensorFlow 1.0 主要有以下改进：</p>    <p>更快：TensorFlow 1.0 超乎想象的快！TensorFlow 团队将发布几个模型的更新，来展现如何充分利用 TensorFlow 1.0。</p>    <p>更灵活：TensorFlow 1.0 为 TensorFlow 引进了带有更多模块的高级别应用程序界面。同时，TensorFlow 团队已宣布引进能够与 Keras（另一高级别的神经网络库）完全兼容的 tf.keras 模块。</p>    <p>随时就绪：TensorFlow 1.0 可确保 Python 应用程序界面的稳定性。Python 能够在不打破现有代码的情况下，更容易地获取新功能。</p>    <p>除此之外，TensorFlow 1.0 还有着以下亮点：</p>    <p>► Python 应用程序界面被调整为与 NumPy 更相近。</p>    <p>► Java 和 Go 的实验性 API。</p>    <p>► 合并 skflow 和 TF Slim 后，从 tf.contrib.learn 而转入的高级别应用程序界面模块：tf.layers，tf.metrics 和 tf.losses。</p>    <p>► 针对中央处理器发布了 XLA（TensorFlow 图表的特定领域编译器）的实验版本。 XLA 正在快速发展，因此预计在未来的发布会上会有更多的进展。</p>    <p>► 引进了 TensorFlow 调试器，其为 TensorFlow 运行程序的命令行界面和应用程序界面。</p>    <p>► 对象检测和定位，以及相机图像风格化的新安装系统的演示。</p>    <p>► 安装改进：添加 Python 3 docker 镜像，并使 pip 包兼容 PyPI。现在只要简单的调用“pip 安装 tensorflow”，便可安装 TensorFlow。</p>    <p>通过使用动态批处理技术如 Fold、网页工具如 Embedding Projector 及更新现有的工具如 TensorFlow Serving，TensorFlow 生态系统将不断发展。</p>