TensorFlow 开发者峰会：支持 Swift，更好的支持 JavaScript

2018 TensorFlow 开发者峰会于北京时间 3 月 31 日凌晨 0 点 30 分在美国加利福尼亚州计算机历史博物馆如期举行，聚集全球机器学习开发者进行为期一天的技术分享和演示。

此次的大会上，没有太多使人惊喜的发布。

固然也有一些值得关注的改变。

其中讨论最多的话题，仍是TensorFlow这个平台对更多编程语言的支持。主要是JavaScript和Swift。

其一，TensorFlow发布面向JavaScript开发者的机器学习框架TensorFlow.js 

这是一个面向JavaScript开发者的机器学习框架，能够彻底在浏览器中定义和训练模型，也能导入离线训练的TensorFlow和Keras模型进行预测，还对WebGL实现无缝支持。

在浏览器中使用TensorFlow.js能够扩展更多的应用场景，包括展开交互式的机器学习、全部数据都保存在客户端的状况等。

实际上，这个新发布的TensorFlow.js，就是基于以前的deeplearn.js，只不过被整合进TensorFlow之中。

Google还给了几个TensorFlow.js的应用案例：

游戏：Emoji寻宝

地址：emojiscavengerhunt.withgoogle.com/

更多能够访问：js.tensorflow.org/

其二，TensorFlow for Swift将在四月开源

尽管这个项目还在初期阶段，可是也有不少人对此抱有期待。例如fast.ai创始人、前任Kaggle总裁Jeremy Howard就把这个列为峰会最重要的发布内容，并且还说：咱们是否是终于能够放下Python了？

关于TensorFlow for Swift信息较少，感兴趣的能够访问下面这个地址：www.tensorflow.org/community/s…

此外，TensorFlow还有一些新功能。

包括TensorFlow Hub。“旨在促进模型的可重复使用部分的发布、发现和使用……它们包含了已在大型数据集上预先训练好的变量，而且能够用一个较小的数据集进行再训练，来提升泛化能力，或是加速训练”。

这部分说明引自Google官方微信公众号TensorFlow。

Cloud TPU也会更快更强。

若是你对此次的峰会更多内容感兴趣，建议直接访问新发布的TensorFlow博客查看，地址是：blog.tensorflow.org （跳转medium.com）

TensorFlow 1.7.0提早发布

去年2月16日，2017年度TensorFlow开发者大会也是山景城召开。当时的大会上，Google推出了TensorFlow 1.0版本。

不过，此次的开发者大会确定是不会发布2.0版本了。

由于就在此次的开发者大会前不久，Google发布了TensorFlow 1.7.0版本。主要的改进包括把Eager模式从contrib中移出来等。

而其中最引人瞩目的，就是从这个版本开始，TensorFlow全面集成了来自英伟达的TensorRT。

做为一个库，TensorRT可以优化TensorFlow的FP16浮点和INT8整数计算，并且还能最大化吞吐量，下降GPU的推理延迟等等。

Google给出的数据显示，整合了TensorRT的TensorFlow在运行ResNet-50时，比没有整合的版本提速8倍。

更多关于TensorFlow 1.7.0版本的状况，能够访问GitHub了解。地址：github.com/tensorflow/…

这个月中旬，Stack Overflow发布了十万程序员大调查。这份调查报告显示，TensorFlow是程序员最爱框架。

报告称：机器学习框架在开发者们心目中形象不错，TensorFlow荣登程序员最爱榜榜首，有73.5%正在用它的程序员表示还想继续用，Torch/PyTorch排在第3名，68%用户打算继续用下去。

在程序员最想学的框架中，TensorFlow排在第3，而Torch/PyTorch排在第10名。还没用上TensorFlow的程序员有15.5%打算学一学，而没用上Torch/PyTorch的人里，有4.5%的人打算投入它的怀抱。

同时，也有很多人对这两个机器学习框架不太满意，26.5%的TensorFlow用户想脱离它。

以上内容来自微信公众号量子位（ID：QbitAI），夏乙 伪装发自 Computer History Museum，著做权归做者全部。商业转载请联系做者得到受权，非商业转载请注明出处。部份内容与原文有所不一样。

更多相关内容请戳➡️2018 TensorFlow开发者峰会都发布了哪些杀器？

TensorFlow 中文文档说明 📋

为了方便开发者和研究人员了解学习和使用 TensorFlow，咱们准备了下列内容。并为你们提供了 TensorFlow 中文文档。

TensorFlow Docs 是由掘金翻译计划实时维护的 TensorFlow 官方文档中文版，维护者由全球各大公司开发人员和各著名高校研究者及学生组成。欢迎你们加入维护团队，欢迎提 Issue 和 PR。

详细内容请见 TensorFlow 中文文档

权威资源 💼

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

视频 🎥

1. Deep Learning | Coursera
2. Machine Learning | Coursera
3. Machine Learning Foundations: A Case Study Approach | Coursera
4. Tensorflow tutorials (Eng Sub) 神经网络系列教程 | YouTube

相关开源库 🔧

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