通过新的Google投资，TensorFlow现在是AI的领先开发框架
深度学习，机器学习和其他人工智能的开发人员越来越多地采用TensorFlow框架。
尽管TensorFlow不是官方的Apache项目，但几年前它的开发商Google LLC仍在开源，该公司继续对该框架进行深入投资。在加利福尼亚州山景城举行的TensorFlow开发者峰会上，谷歌发布了多项声明，表明其对TensorFlow发展的承诺依然强劲。
TensorFlow成熟为真正的企业级AI开发工具现在正在进行中。由于超过500名现场与会者和更多人通过直播，Google宣布它已经在TensorFlow周围的工具，支持平台和开发者生态系统方面进行了以下新的投资：
端到端的TensorFlow开发管道平台：谷歌宣布了未来端到端AI管道平台的路线图，称为TensorFlow Extended或TFX。该平台将包括目前已发布的组件，包括TensorFlow模型分析，TensorFlow转换，Estimators和TensorFlow服务，以及未来的集成组件，以帮助开发人员准备数据，培训，验证和部署生产中的TensorFlow模型。
TensorFlow客户端支持：Google宣布推出TensorFlow.js，这是一个面向JavaScript开发人员的基于浏览器的新ML框架。
TensorFlow.js是一个交互式框架，用于开发客户端ML应用程序，其中数据完全保留在浏览器中。它完全在浏览器中支持ML模型构建和培训。它还支持导入离线训练的TensorFlow和Keras模型，以便使用WebGL加速支持基于浏览器的推理。谷歌宣布对TensorFlow Lite进行更新，包括更轻，更快的核心解释器，用于在移动和其他边缘设备上部署经过培训的ML模型，包括在Raspberry Pi上运行的设备。它宣布开放TensorFlow for Swift，支持在iOS上运行的移动应用程序的ML / DL开发。
TensorFlow开发人员体验：Google为TensorFlow开发人员推出了直观的编程模型。 这个名为eager execution的新模型提供了一个命令式的Python编程环境，可以在TensorFlow中立即评估计算图操作，而无需额外的图形构建步骤。 热切的执行可以对小型模型和小型数据进行快速迭代。 它可以帮助AI开发人员快速入门并以交互方式调试TensorFlow模型，而不是总是需要合理计算图形以便以后执行。
TensorFlow模型共享和重用：Google推出了一个新的TensorFlow Hub库，旨在帮助开发人员共享和重用DL模型。 TensorFlow Hub鼓励发布和发现TensorFlow图形的独立模块化部件，以便在类似任务中重复使用。 这些模块已在大型数据集上预先训练，可以重新训练并用于新的应用程序。
TensorFlow模型评估和调试：Google宣布了TensorFlow模型分析，这是一个结合了TensorFlow和Apache Beam的开源库，用于计算和可视化模型评估指标。 它还启动了调试器仪表板，它是TensorBoard可视化工具的交互式图形调试器插件，可帮助开发人员实时检查和逐步检查TensorFlow计算图的内部节点。
TensorFlow硬件支持：Google推出了一种在单台机器上运行多个图形处理单元上的TensorFlow Estimator模型的新方法，从而使开发人员能够以最少的代码更改快速扩展其模型。 它宣布TensorFlow与NVIDIA的TensorRT库集成，该库优化了用于GPU上的推理的DL模型，并创建了在生产环境中的GPU上部署的运行时。 谷歌还宣布它和英特尔已经提供了更快，更高效的英特尔MKL-DNN开源DL库的集成。此外，它表示TensorFlow现在运行在谷歌的云TPU上，该TPU在2月份发布测试版，将供TensorFlow用户使用 即将发布的TensorFlow 1.8版本。
TensorFlow统计算法支持：Google宣布TensorFlow现在通过TensorFlow概率API和库支持贝叶斯分析，该API包含概率分布，抽样方法和新指标和损失等构建模块。 它还宣布了新的预制高级课程，用于培训和部署提升的决策树。
TensorFlow应用领域：Google为TensorFlow发布了Nucleus基因组学库，该库支持读取，编写和过滤常见的基因组学文件格式。 与DeepVariant（一种基于TensorFlow的开源基因变异发现工具）相结合，旨在加速TensorFlow中的基因组学研究和开发。
为了围绕TensorFlow构建开发者生态系统，Google还宣布了一系列新的社区资源，包括官方TensorFlow博客，TensorFlow频道，新TensorFlow邮件列表和TensorFlow特别兴趣小组。此外，谷歌还推出Edge TPU深度学习加速器硬件。
Google宣布计划发布一款名为Edge TPU的硬件产品，将其TensorFlow加速张量处理单元（TPU）技术应用于物联网。
TPU最初于2016年5月宣布为加速公司搜索，翻译和其他服务的内部项目，是一系列定制的专用集成电路（ASIC），旨在加速深度学习算法。从其仅限内部使用的推出开始，该技术已经进入了Google云平台 - 现在，这是第一次以第三方开发人员的硬件形式提供。
“边缘TPU是谷歌专用的ASIC芯片，专为在边缘运行TensorFlow Lite ML模型而设计，”广告业巨头物联网（IoT）和谷歌云副总裁Injong Rhee说。 “在设计Edge TPU时，我们专注于优化”每瓦性能“和”每美元性能“。 Edge TPU旨在补充我们的云TPU产品，因此您可以加速云中的ML培训，然后在边缘进行快速的ML推理。您的传感器不仅仅是数据采集器 - 它们可以做出本地，实时，智能的决策。“
谷歌已经确认与一系列公司合作，将Edge TPU硬件集成到他们的产品中，同时也承诺发布一个模块化系统（SOM）开发板，其布局类似于流行的Raspberry Pi，适用于有兴趣进行实验的开发人员。
