关于TensorFlow你应该知道的9件事

作者 | Cassie Kozyrkov
译者 | Sambodhi Liu
编辑 | Natalie
微信公众号“AI 前线”（ID：ai-front）

在旧金山举办的 Google Cloud Next 大会上，有场精彩的演讲《What’s New with TensorFlow？》（演讲视频见文末），我提炼了这场演讲的精华，以飨我的粉丝们！

我强烈建议你无论如何要抽空看完这场演讲，这简直太棒了！感谢 Laurence Moroney（@lmoroney）为我们带来如此精彩的演讲！如果你没有时间看完长达 40 多分钟的视频，那么就来看看我提炼出来的干货吧！

#1 它是一个强大的机器学习框架

TensorFlow 是一个机器学习框架，如果你拥有大量的数据，或者你正在学习人工智能最先进的技术：深度学习（可参阅《Step-by-Step Deep Learning Tutorial Walkthrough》https://github.com/kozyrkov/deep-learning-walkthrough ），那么，TensorFlow 可能就是你趁手的兵器。它处理的是特别大的神经网络。从某种意义来说，它就是数据科学中的工业车床，而不是瑞士军刀。这意味着，如果你要做的是通过 20×2 的电子表格生成一条回归线，那么你很可能不需要再读下去了。

如果你追求的是大型项目，那么你就准备雀跃欢呼吧！因为 TensorFlow 可以干的事很多，可以用来寻找系外行星，可以帮助医生筛查糖尿病视网膜病变来预防失明，还可以通过提醒当局注意非法砍伐森林活动的迹象来保护森林。另外，TensorFlow 是 AlphaGo 和 Google Cloud Vision 的基础，也是你的最佳选择。TensorFlow 是开源的，你完全可以免费下载并使用。

AI 前线注：可参阅《TensorFlow Tutorial For Beginners》（http://u6.gg/ek2e4 ）

天文学家借助 TensorFlow，发现了系外行星 Kepler-90i，使得它所在的行星系 Kepler-90 成为我们已知的唯一有八颗行星的行星系统。由于尚未发现超过八颗行星的行星系统，因此就目前来说，我们的太阳系和 Kepler-90 都是拥有八大行星的行星系统。

#2 哪怕方法再奇怪，也不是不可以

我狂热地爱上了 TensorFlow Eager。

如果你以前尝鲜过 TensorFlow，但是因为它让你像学术界或外星人而不是像开发者那样编写代码，让你产生畏难情绪，那么就跟我来吧！

有了 TensorFlow Eager，你就可以像纯 Python 程序员那样，与它进行交互：一行一行地编写代码，并即时进行调试，而不是在构建那些庞大的图表时屏住呼吸。我自己也正从那个阴影走出来，但自从 TensorFlow Eager 问世以来，我就深深爱上了它。请一定要关注 TensorFlow Eager！

#3 你可以一行一行地构建神经网络

Keras + TensorFlow = 更容易的神经网络构建！

Keras 完全致力于用户友好性和简单的原型设计，这是传统的 TensorFlow 所渴望拥有的特色。如果你喜欢面向对象的思维，喜欢一次构建一层神经网络，那么一定会爱上 tf.keras。在下面的几行代码中，我们创建了一个 Sequential 神经网络，带有标准的额外卖点，比如 dropout。

哦，你喜欢智力拼图，对吧？要耐心。

#4 不仅仅是 Python

好了，对于 TensorFlow 只能运行在 Python 这一点，你已经抱怨很久了，我知道。但今天有个好消息！TensorFlow 不再是 Python 的专利了！现在，它可以在多种语言中运行，从 R 到 Swift，再到 JavaScript，都可以运行 TensorFlow 了！

#5 你可以在浏览器里做所有的事情

说到 JavaScript，你可以使用 TensorFlow.js 在浏览器中训练并执行模型。去看看这些很酷的演示吧：https://js.tensorflow.org/ ，我保证你会感到目瞪口呆！

使用 TensorFlow.js 实现浏览器中的实时人体姿态估计。打开你的摄像头，访问 http://u6.gg/ekpRz 体验一下。记得不要离开座位， ¯_(ツ)_/¯ 一切由你决定。

AI 前线注：可以参阅《Introducing TensorFlow.js: Machine Learning in Javascript》（http://u6.gg/ek2q7 ）、《Real-time Human Pose Estimation in the Browser with TensorFlow.js》（http://u6.gg/ek2tv ）

#6 有针对微型设备的精简版

从博物馆得到了老旧的台式设备？是烤面包机吗？TensorFlow Lite 为各种设备（包括移动设备和物联网设备）带来了模型执行的能力，与最初的 TensorFlow 相比，推理方面的速度提升了 3 倍以上。没错，现在，你可以在树莓派或手机上进行机器学习了！在这场演讲中，Laurence 做了一件很有勇气的事情：在成千上万的人面前，用 Android 模拟器演示了图像分类，演示非常成功！