【转载】史上最全：TensorFlow 好玩的技术、应用和你不知道的黑科技 _模型

【导读】在 2015 年年底一出现就受到了极大的关注，经过一年多的发展，已经成为了在机器学习、深度学习项目中最受欢迎的框架之一。自发布以来，不断在完善并增加新功能，直到在这次大会上发布了稳定版本的V1.0 。这次是谷歌第一次举办的开发者和爱好者大会，我们从主题演讲、有趣应用、技术生态、移动端和嵌入式应用多方面总结这次大会上的，希望能对开发者有所帮助。
：面向大众的机器学习框架
在过去获得成绩主要有以下几点：
第一代分布式机器学习框架不再满足内部的需求，的小伙伴们在基础上做了重新设计，引入各种计算设备的支持包括CPU/GPU/TPU，以及能够很好地运行在移动端，如安卓设备、ios、树莓派等等，支持多种不同的语言（因为各种high-level的api，训练仅支持，支持包括C++，Go，Java等等），另外包括像这类很棒的工具，能够有效地提高深度学习研究工作者的效率。
在内部项目应用的增长也十分迅速：在多个产品都有应用如：Gmail， Play ，，， Map等等；有将近100多和paper使用做相关工作。

文章插图
在过去14个月的开源的时间内也获得了很多的成绩，包括475+非的，14000+次，超过5500标题中出现过的以及在Stack 上有包括5000+个已被回答的问题，平均每周80+的issue提交。
过去1年，从最开始的0.5，差不多一个半月一个版本：

文章插图
1.0的发布
.0也发布了，虽然改了好多api，但是也提供了.py来对你的代码进行更新。1.0在分布式训练-v3模型上，64张GPU可以达到58X的加速比，更灵活的高层抽象接口，以及更稳定的API 。
New High Level API
对于新的抽象接口，相对于其他做的比较好，能让人很容易build一个model，基于layer之上的包括TF.Learn里面仿照-learn风格的各种设计以及之后将融入官方支持的Keras，能够让小伙伴用几行配置模型结构、运行方式、模型输出等等;在这层之上就有，所谓的model in box，比如lr，这类。

文章插图
Broad ML
在中有一些高兴的机器学习的算法实现，如LR， SVM、，在TF.Learn中有很多常用的机器学习算法的实现，用户可以很快的使用，而且API风格和-learn很类似，而且在后续的video提到会有分布式的支持。
XLA: An
XLA能够快速地将转成比较底层的实现（依赖），后面也有talk详细讲述了XLA 。

文章插图
广泛的合作
In Depth
在和上有很好的优势，如下图：

文章插图
在模型训练上，1机8卡的性能无论是在一些标准的基准测试或者是真实数据上都有比较好的加速比：

文章插图
当然在多机分布式训练上，能够达到64张GPU上58倍的加速比：

文章插图
被一些顶尖的学术研究项目使用：
当然在生产上也被广泛应用：

文章插图
如，Gmail等等，也被国内外很多大厂使用做为模型训练的工具。

文章插图
这些都是Jeff Dean在的内容讲到的内容，内容有点多，而且个人感觉这群的小伙伴的ppt做的有点任性，不过谁叫他们牛逼呢，接下来几个talk比较有技术含量，相信各位会更加有兴趣。