小兴逛Google I/O 2017（day2实况）

作者介绍：陈志兴，Google I/O 2017大会的小时光茶社特派员 ，腾讯SNG增值产品部内容中心Android组leader，主要负责手Q个性化业务、手Q WebView等项目。喜欢阅读优秀的开源项目，听听音乐，偶尔也会打打竞技类游戏。

再出发

今天是Google I/O 2017开发者大会的第二天，山景城的天空一如既往地湛蓝，气温也非常舒适。经过一宿的休息，早上精力非常充沛，7:30分坐上同事丁教授的豪车飞奔会场，时刻准备着继续享受Google为大家准备的技术大餐。

今天的主题会议是从早上8:30开始，到晚上18:30结束。主题分享结束后，迎接开发者们的是一个狂欢音乐晚会（来自程序员的呐喊）。

为了不错过更多精彩的内容分享给大家，我这边时间安排得比较紧，听满了整整10场，午饭都是秒杀解决，哈哈。好了，下面继续给大家整理今天的精彩内容。

08:30-09:30 Architecture Components - Solving the Lifecycle Problem

今天听的第一个主题是Android架构组件相关的，主要分享如何解决Android组件和UI之间的生命周期问题。

Android组件和UI的生命周期管理比较复杂，比如子类需要重载各种方法（onCreate、onStart...）来处理生命周期逻辑，导致大部分代码都集中在Activity里面，造成文件代码行数庞大，维护成本高。

现在Google针对这个问题提出了一种新的解决方案：引入LifeCycleOwner、LiveData和ViewModel概念。LifeCycleOwner负责管理生命周期，LiveData负责设置数据，ViewModel负责管理当前界面的LiveData。LifeCycleOwner通知LifeCycleObserver驱动LiveData更新数据。这样设计框架的好处是按模块细分，各个模块之间耦合低，能够更好地维护代码。

09:30-10:30 TensorFlow Frontiers

第二个参加的主题是与AI相关的，主要分享TensorFlow的最新进展及性能强大的Cloud TPUs的。

简单介绍了一下深度学习的原理后，Google开始分享TensorFlow目前的状况。从Google分享的数据来看，TensorFlow在短短的1年时间内，超越其他的机器学习项目，已经成为行业的领头羊。

Google旗下的搜索、邮件、翻译、地图等产品都接入了TensorFlow，通过深度学习给用户提供更好的体验。

另外Google开发了第二代TPU，这款TPU专门为机器学习训练和推理设计，性能上极大提升。另外，Google即将为开发提供Cloud TPUs运算能力支持，而且接口封装非常友好，使用Cloud TPUs仅需要增加几行代码，使用起来跟本地运算差不多。

Google为了让更多开发者参与到TensorFlow来，专门提供了1000个TPUs来加速深度学习的研究，大家赶紧搞起。

最后Google提出了一个AutoML的概念，让模型通过深度学习来自动建立新的模型。看来，天网系统要被Google启动了。

10:30-11:30 Effective TensorFlow for Non-Experts

今天参加的第三个主题是如何快速有效地进行TensorFlow开发，其实是个TensorFlow入门教程。参加这个主题的人非常多，全民AI的时代终于到来了。

这个主题首先介绍了一下深度学习的流程，然后通过代码一步一步教你如何入门TensorFlow。Google为了降低深度学习开发的门槛，提供了一个高级API的库Keras，开发者可以很简单地调用API进行模型训练、预测等。

接着，Google通过一个简单的例子，教大家如何从实际场景上使用TensorFlow，如上图如何通过TensorFlow回答出这个男人在干嘛，他的衣服是什么颜色的？

11:30-12:30 What's New in Android Development Tools

这个主题主要从开发、编译、测试及优化四大方面分享Android开发者工具的新特性。

在开发方面，除了昨天提到一键转Kotlin代码、XML设置字体等特性外，还支持查看ByteCode代码，UI智能布局等功能，非常实用。

在编译方面，Android Studio3.0上面将支持Dex的增量编译等功能，编译速度将会得到提升5倍。

另外，Android Studion3.0除了对CPU、内存、网络分析工具加强后，还支持了对APK的分析功能，对分析方法数等场景非常有用。

12:30-13:30 How to manage native C++ memory in Android

这个时间段没有太感兴趣的主题，后来看到有个C++相关主题，而且演讲者还是个ACM SIGPLAN的前主席，想起了大学年代疯狂刷ACM题目的日子，感觉比较亲切就过去了。

演讲者看起来非常和蔼，跟而且PPT也有点像大学老师的风格，有种回到大学上课的感觉。整个分享围绕着如何在Java对象被释放后，持有的C++指针的对象怎么释放。

在Android里面，通常的做法是在Java对象被GC回收，触发finalizer之后进行Native对象的释放。但老师指出了finalizer这种方式在某些场景下存在风险，比如finalizer执行顺序随机可能会导致Native释放引发堆异常等。

最后提出了加入一个中间层PhantomReference队列，管理Java对象和Native对象的关系。在触发GC等场景下，统一释放Native变量。后面还提了一些C++关于智能指针的管理。

13:30-14:30 Open Source TensorFlow Models

这个是今天参加的第三个TensorFlow的主题，主要分享Google在图像方面的开源模型ImageNet和语言方面的开源模式SytaxNet。

ImageNet方面主要介绍了机器学习中图片的合成，也就是之前的DeepDream项目。DeepDream经过长期的训练之后，能够合成很多人类无法做到的艺术图片。

SytaxNet方面主要是关于语法分析，通过机器学习后，语法识别的准确度非常高，目前SytaxNet支持多种语言，包括中文。

这个主题中涉及到了很多论文，大家有兴趣的话可以深入研究一下。

14:30-15:30 Introduction to Android Instant Apps

这个主题主要介绍Android Instant App是什么及一些开发规范，内容比较简单。

上面这个图的文字“Apps that are there when you need them and gone when you don’t”，与微信小程序的产品思路非常相似，确实Android Instant App就是Android的小程序。

Android instant app可以理解为完整App的一个功能模块，这个模块可以独立运行，当用户使用的时候，可以仅下载instant App，达到快速打开的目的。目前可以通过Android Studion3.0来快速创建。

从这两天的分享来看，Google在Web上布局了AMP和PWA，在Native上布局了Instant App，基本覆盖了所有场景，非常强大。

15:30-16:30 Google Services on Android Things

这个主题主要分享了Android Things上面如何使用Google Service，特别是Android Things和TensorFlow的组合，意味着智能硬件的时代也不远了。

演讲者首先分享了Android Things的三层架构（硬件、系统和服务）及如何通过代码在Android Things上面使用Google的服务。

接着演示了Android Things加上TensorFlow的一个Demo：摄像机拍摄一张相片传到安装有Android Things的芯片，经过TensorFlow后，能够识别图片里面的动物是什么。

最后演讲者给出了一些扩展的场景，比如排队的时候，摄像头加TensorFlow可以计算排队人数等。

TensorFlow无处不在，与Android Things的完美配合，让未来的智能硬件时代充满无限想象。

16:30-17:30 What's new in Notifications, Launcher Icons and Shortcuts

这部分主要介绍Android O上面启动图标、快捷方式、通知三大部分的新特性。

启动图标方面，主要增加了一个foregroud图片，来解决不同启动图片形状下（系统设置栏可以设置系统图标为圆形或方形等）icon变丑的问题。

快捷方式方面通过广播发送INSTAL_SHORCUT的方式不再生效，需要通过新的API来调用。

通知这块改动较大，新增了通知类型，分别为Major Ongoing、People to People、By the Way，优先级分别是高、中、低。低优先级的通知在锁屏场景下不通知，而且会在通知列表里面以...形式存在。

另外通知这块增加了notification channels对通知进行分类，用户可以选择屏蔽某类或者全部屏蔽。

17:30-18:30 V8, Advanced JavaScript, & the next performance frontier

这个主题主要介绍V8引擎现在的框架和未来的优化方向。

在过去的1年内，V8引擎一直在优化流水线，目前的Turbofan+Ignition Interperter组合很好地解决了内存占用和执行性能的问题，整体速度上提升了20-35%。

同时Chrome上支持了对Node.js的调试，同一行代码上有多个调用，也可以区分打断点。对Node.js的开发者来说，是个非常不错的消息。

另外Chrome调试工具上面还支持了代码覆盖率检测，可以快速发现页面上引入但是没有被调用的代码，从而让开发者减少代码量，提高JS的执行性能。

最后，Web汇编又上场了，这个是目前V8引擎正在优化的一个主要方向。非常期待WebAssembly的普及，让JS的执行速度再上一层楼。

今天的主题分享到此全部结束，最深刻的还是TensorFlow。TensorFlow给了我们更多的想象空间，结合Android Things，我们可以让身边的硬件瞬间“活了”。全民AI的时代已经到来，未来充满无限想象。

明天，还有更多关于Cloud、VR和Android的精彩内容，切勿错过~

最后，开发者们的狂欢音乐派对开始了！！！