通過Google的新投資TensorFlow現在已成為AI的領先開發框架

深度學習，機器學習和其他人工智能的開發人員越來越多地采用TensorFlow框架。

盡管TensorFlow不是正式的Apache項目，但幾年前由其開發者Google LLC開源，該公司繼續對該框架進行大量投資。在 上周于加利福尼亞州山景城舉行的TensorFlow開發者峰會上，Google宣布了幾項聲明，表明其對TensorFlow的發展承諾仍然堅定。

TensorFlow逐漸成熟為真正的企業級AI開發工具。隨著500多位現場參與者以及通過直播的更多參與者看到，Google宣布已在TensorFlow周圍開發工具，支持平臺和開發者生態系統方面進行了以下新投資：

端到端TensorFlow開發管道平臺：Google宣布了稱為TensorFlow Extended或TFX的未來端到端AI管道平臺的路線圖。該平臺將包括迄今已發布的組件，包括TensorFlow模型分析，TensorFlow變換，估計 和TensorFlow服務， 生產以及將來的集成組件，以幫助開發者準備數據，培訓，驗證和部署TensorFlow模型。

TensorFlow客戶端支持：Google宣布TensorFlow.js，這是一個針對JavaScript開發人員的基于瀏覽器的新ML框架。TensorFlow.js是一個交互式框架，用于開發客戶端ML應用程序，其中數據完全保留在瀏覽器中。 它完全在瀏覽器中支持ML模型的構建和訓練。它還支持導入經過離線訓練的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TensorFlow Lite進行更新，其中包括一個重量更輕，速度更快的核心解釋器，用于在移動設備和其他邊緣設備(包括在Raspberry Pi上運行的設備)上部署經過訓練的ML模型。它宣布將開源TensorFlow for Swift 支持在iOS中運行的移動應用程序的ML / DL開發。

TensorFlow開發人員的經驗：Google為TensorFlow開發人員推出了直觀的編程模型。這個名為eager執行的新模型提供了一個命令式Python編程環境，該環境可以立即在TensorFlow中評估計算圖操作，而無需執行額外的圖構建步驟。 急切的執行可以在小型模型和小型數據上進行快速迭代。它可幫助AI開發人員快速入門并以交互方式調試TensorFlow模型，而不必始終構造計算圖以供以后執行。

TensorFlow模型共享和重用：Google推出了一個新的庫TensorFlow Hub，該庫旨在幫助開發人員共享和重用DL模型。TensorFlow Hub鼓勵發布和發現自包含的TensorFlow圖的模塊化片段，以便在類似任務中重復使用。這些模塊已在大型數據集中進行了預訓練，并且可能會被重新訓練并在新的應用程序中使用。

TensorFlow模型評估和調試：Google宣布了TensorFlow Model Analysis，這是一個開放源代碼庫，結合了TensorFlow和Apache Beam來計算和可視化模型評估指標。它還啟動了Debugger Dashboard，這是用于TensorBoard可視化工具的交互式圖形調試器插件，可幫助開發人員實時檢查并逐步瀏覽TensorFlow計算圖的內部節點。

TensorFlow硬件支持：Google推出了一種新方法，可在一臺機器上的多個圖形處理單元上運行TensorFlow Estimator模型，從而使開發人員能夠以最少的代碼更改快速擴展其模型。它宣布了TensorFlow與NVIDIA TensorRT庫的集成，該庫優化了DL模型以在GPU上進行推理，并創建了運行時以在生產環境中部署在GPU上。谷歌還宣布，它與英特爾已經實現了與更快，更高效的英特爾MKL-DNN開源DL庫的集成。此外，它還說TensorFlow現在可以在谷歌的Cloud TPU上運行，后者已經發布了Beta 將于2月發布，并將在即將發布的TensorFlow 1.8版本中提供給TensorFlow用戶。

TensorFlow統計算法支持：Google宣布TensorFlow現在通過TensorFlow概率API和庫支持貝葉斯分析，該庫和構建庫包含諸如概率分布，采樣方法以及新指標和損失之類的構建塊。它還宣布了新的預制高級課程，用于培訓和部署增強型決策樹。

TensorFlow應用程序領域：Google為TensorFlow發布了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的開源工具進行基因組變異發現)配合使用，旨在加速TensorFlow中的基因組研究和開發。

為了圍繞TensorFlow構建開發者生態系統，Google還宣布了一系列新的社區資源，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。