TensorFlow 最初由 Google 大腦團隊開發，用於 Google 的研究和生產，於2015年11月9日在 Apache 2.0開源許可證下發布，為熱門的機器學習工具之一。而 Google TensorFlow 亞太區產品負責人 Mike Liang 於中國舉辦的2019 科技創新者大會（Tech Innovators Conference）上，針對創新、機器學習應用、以及 TensorFlow 發展等話題進行了一次報告。
從商業到科研，TensorFlow 的廣泛應用場景
2015 年發表至今，TensorFlow 已經被應用到很多商業場景中。
Mike 介紹道：「在國外，Airbnb 用 TensorFlow 做圖片分類。房東上傳家裡的圖片，系統自動把圖片分類成客廳、廚房和臥室，讓租客在搜尋時可以更簡單。可口可樂也用 TensorFlow 來解決抽獎碼掃碼輸入的問題，而在以前，消費者都得一個數字一個數字地輸入。」
在中國國內，英語學習 APP 英語流利說用 TensorFlow 訓練 AI 老師，京東則基於 TensorFlow 做大規模推薦，而閒魚則在上傳照片自動打標籤這個場景中借助了 TensorFlow 的能力。
「除了商業案例，TensorFlow 也被應用在非常尖端的科學研究上。」Mike 分享道，「美國能源部國家實驗室和橡樹嶺國家實驗室基於 TensorFlow 的深度神經網路解決大規模計算問題，研究極端天氣以及它們對地球的影響。」
TensorFlow 甚至被應用在一些我們意想不到的領域。比如安徽中醫藥大學的一位老師，在用 TensorFlow 來辨識中醫藥材的切片。
TensorFlow 2.0 更加聚焦可用性
產業對深度學習框架的要求不斷變化，TensorFlow 也在成長。2019 年 3 月，TensorFlow 正式發表了 2.0 Alpha 版本，大大改進了可用性。
TensorFlow 1.x 雖然是最受歡迎的深度學習框架，但一直有著非常陡峭的學習曲線，對入門者不太友好。
「3 年前 Google 把 TensorFlow 開源，主要針對機器學習研究者，以及我們公司裡面大規模的生產環境。它不一定是最適合（廣泛）使用的。」Mike 說，「今年發表了 2.0 Alpha 版本，主要目的就是簡化。因為我們知道，機器學習使用場景很寬泛，其中也包含很多 Google 尚未涉足的領域。」
簡化後的 TensorFlow 2.0，在沒有犧牲性能的情況下，API 變得更加友好，大量重複的功能被清除，使用方式更加清晰，報錯訊息更加簡潔易懂，可操作性大大增強。
正如 Google 首席決策工程師所描述的：整個工具生態系統就像進行了一次春季大掃除，從資料處理流水線到簡單模型輸出，再到 TensorBoard 與 Keras 的整合。
「除了簡化，我們也想讓機器學習為更多開發者所使用。」Mike 表示，「全球 Web 開發者最多，他們用的語言是 JavaScript。」
事實上，Google 已經於 2018 年 3 月發表了面向 JavaScript 開發者的全新機器學習框架 TensorFlow.js，讓 Web 開發者可以在瀏覽器中訓練神經網路或在推理模式下運行預先訓練的模型。
Mike 還提到，機器學習的能力對 IoT 產業也非常重要，Google 也針對 IoT 的邊緣計算能力發表了簡化移動設備和嵌入式設備的部署工具——TensorFlow Lite。
2019 年 3 月，Google 又發表了智慧硬體平台 Coral，包括開發板、加速卡和相機模組。Coral 基於 Edge TPU 晶片，該晶片可用於推理，專為在邊緣運行 TensorFlow Lite 框架而設計。
「TensorFlow 最開始只是一個內部使用的框架，希望逐步發展成為一個更好的端對端的機器學習生態系統，讓不懂機器學習相關數學演算法的人，也可以用機器學習去解決問題。」對於 TensorFlow 將來的願景，Mike 概括道。
在具體的做法上，Mike 也指出來三點。第一，要抓住實際需求，把業務問題轉變為機器學習（可以解決）的問題；第二，跨境、跨行業合作，跟有實際行業經驗的公司一起解決問題；第三，開發機器學習演算法時要負責、有原則性，要考慮「它對社會是有貢獻的嗎、對人類是負責的嗎、是否會遇到用戶隱私方面的問題」。
總的來說，TensorFlow 的發展方向一方面是降低使用門檻，讓更多人可以參與進機器學習這波人工智慧浪潮中。另一方面，與產業進行更加緊密的結合，解決實際問題，
- 本文授權轉載自：PingWest
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！