TF_Dev_Summit_2017.png
在此次的发布会上，Jeff Dean(Google Senior Fellow)主持了此次的发布会，在时长29:54的演讲中，Jeff Dean首先回顾了最初由众多Google的工程师发表的论文《Large Scale Distributed Deep Networks》。现在的TF可以运行在CPU/GPU/TPU等不同的设备上，同时兼容Android/IOS/Raspberry Pi等移动操作系统，还有现在TF可以在Google Cloud上了。支持的语言有：Python、C++、Java、Go、Haskell、R。除了更加的兼容和支持不同平台之外，最抢眼的功能就是TF提供了一个很赞的可视化工具TensorBoard（比之前版本的Board更赞）。
TF在Google自家产品中的应用情况
TF现在在很多领域得到了快速的发展，比如：
- Search
- Gmail
- Translate
- Maps
- Android
- Photos
- Speech
- Youtube
- Play
- etc ...
之后Rajat Monga @rajatmonga(Google Software Engineer)做了题为《What‘s New Today？》的演讲，并正式发布TF1.0，指出最新release版本的TF的特点是Fast+Flexible+Production-ready。熟悉机器学习Python工具库的同学可能听说或是使用过Keras这个工具包，现在Keras已经和TF高度集成了，下面的图片中显示的是Rajat Monga在讲述TF的系统架构和外部接口，可以看到Keras Model已经集成到了TF的Model里面了。另外，TF的model模块已经从TF库中移出来成为了单独的开源库，同样是由Google来维护。
Rajat Monga 在介绍TF的结构
在介绍TF在移动平台上面的应用的时候，请来了一嘉宾做TF在mobile端的演示，幻灯片和数据显示mobile端（枭龙820处理器）运行在Hexagon DSP上的程序比运行在CPU上的程序要快很多。
接下来Rajat Monga 介绍了TF的一个新的编译器：XLA
Rajat Monga介绍TF的新的编译器
第三个登场的是Megan Kacholia(Engineering Director)，她深入的讲解了TF。主要包括在不同的硬件上加速效果 ，在实际的应用中示例（路牌语言翻译），在Google产品中的使用情况，以及其他的正在使用TF改进产品的公司或是产品（令人惊奇的是有家中国的电商网站也在其中，大家自己从图中发现吧。）
Megan的演讲简报
keynote的最后Jeff Dean上台做了最后的总结和前瞻性讲话。举了几个个栗子来说明机器学习在各方面的应用。
- 农业--机器代替劳动力：一对日本夫妇用TF图像识别工具及其机械装置做黄瓜等级的筛选工作，机器取代人工的第一步。
- 医学方面--更好的辨别疾病：通过对眼部图像的分类，机器能够区别哪些是病变的区域，并能对病变区域进行标识。
- 请来了斯坦福大学的Phd、Thrun实验室的研究生Brett Kuprel讲了2017年发在《Science Letter 》上的那篇机器学习在诊断皮肤癌方面已经达到人类水平的文章--《Dermatologist-level classification of skin cancer with deep neural networks》（p.s. 小哥一看就是典型的学术学生，不善言辞，上台问好，把十几秒的台词一口气说完然后就下台了)，more information visit 机器之心的报道
TF的应用
最后则是一个很nice的TF的宣传视频，主要是上面提及的各个项目和实际应用的背后的故事。
观后感：
作为目前机器学习工业界的领头人，在有Google的强大后盾支持下，在短短的一年之中便跃居开源社区的榜首，无论是在代码规范性，文档完备性，已经提交频繁性等方面都很出色。现在在1.0.0版本中就能够放出这么多的精彩用法，实在是很令人敬佩的。从web1.0到web2.0，现在我想我们处的互联网时代应该是智能互联网时代，以后的工作将会渐渐的由机器或是智能算法替代人类。我们离《西部世界》的智能机器人，或是《少数派报告》中的智能世界，亦或是《真实的人类》中合成人的觉醒已经不远了。
网友评论