【转载】史上最全：TensorFlow 好玩的技术、应用和你不知道的黑科技( 三 ) _模型

团队所做的一些开发工作
在被收购之后，也选择作为其深度学习相关研究的平台，然后做了很多很有意思的东西。
1. Data
这是在全世界各地若干个数据中心之一：

文章插图
然后这群的小伙伴做了些什么事情呢？

文章插图
的小伙伴利用强化学习，是的！你没有听错，应用在上的一种技术来做数据中心冷却设备的自动控制,并且效果十分显著：

文章插图
2.
是下的一个强化学习的框架，基于的高级API实现，很稳定，只需要更改其中极少部分代码就可以完成新的实验，支持分布式训练，十分高效，并且训练好的模型可以通过快速地部署到生产环境。
3.
这个相信不说，大家都知道的，第一次在围棋上打败人类，然后升级版的连续60盘不败，原理不说了，网络上很多分析文章，贴两张图聊表敬意：

文章插图

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

文章插图

文章插图
4. ：语音音频合成
这里的小哥演示了的一些demo，具体的可以参见()来了解。贴一些效果对比：

文章插图
XLA 及 Keras 与的融合
XLA与的结合
的各方面的优势都很突出，除了在速度这块有些不足，如果，能在速度上做进一步优化，会怎么样呢？

文章插图
是的，的开发者也意识到这个问题，于是有了这个XLA， XLA的优势：
XLA主要包括两种使用方式：JIT(Just in time)能够自动将Graph中的部分子图通过XLA融合某些操作来减少内存需求提高执行速度；AOT(Ahead of time)可以提前将Graph转换为可以执行的源码，减少生成的可执行文件的大小，减少运行的时间消耗，一个很明显的应用场景是模型在移动设备上的优化。
因为XLA原理涉及到编译器，这块不是我擅长的地方，所以这里就这样过了，如果有兴趣的小伙伴可以关注下()还有此次上XLA的talk(#t=108.)
最后贴几张XLA的一些评测性能：

文章插图

文章插图
Keras与的集成
Keras 是一个可以在很多平台上应用的深度学习框架，"An APIfordeepmany " 。
已经会在官方支持，1.1会在tf.,1.2会tf.keras，而且会支持，是不是很心动。
Keras的作者在 Dev 上讲了以下内容：

文章插图
所以之后Keras的用户可以更快的在的框架下做出相应地模型，能更方便地进行分布式训练，使用的Cloud ML，进行超参，还有更更重要的：TF- 。这些现在好像还没有支持，不过应该很快了，大家可以期待下。
这里，使用Keras构造了一个Video-QA的model，这个模型在Keras的官方文档也有描述，具体可以去那边看看，大概是这样一个场景: