谷歌2018中国开发者大会第二天tensorflow专场 聆听记录

微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 觉得文章对你有用，请戳底部广告支持

tensorflow专场听课记录

第二天我们去的比较早，目标很明确就是为了在tensorflow专场找到一个好位置，到了之后才发现，原来人已经排了四队，还好不是很长，赶快排进了队伍，9点主场的门打开之后，大家进去之后纷纷跑向自己的目标位置，速度虽然没有亚洲飞人苏炳添快，但是相对来说已经超过大多数人了，不一会儿，整个会议场馆就坐满了人，目测跟第一天差不多，依然是千人大会。

九点半主题分享正式开始了，首先上场是负责tensorflow推广的谷歌软件工程师 金.安娜 做了tensorflow专场的开幕演讲，她说tensorflow致力于成为解决每个人的实际问题设计的开源机器学习平台。介绍tensorflow的一些新的特性也是tensorflow专场接下来分享的内容，由于我们坐在第二排，所以手机拍照的效果还不错，看图：

开场演讲之后第一位分享的是tensorflow中国区负责人的分享，他欢迎大家加入谷歌开发者社区，并为之贡献，提到了中国GDE贡献的电子书《简单粗暴tensorflow》介绍GDG在中国的发展与活动、tensorflow参考应用、与中国内地教育部门的教育与学术合作，看图：

第二位是谷歌人工智能健康方面的产品经理 彭浩怡 博士，博士全程用流利英文介绍了谷歌AI在医疗辅助诊断帮助与预防糖尿病患者白内障眼睛疾病研究进展与思路拓展，还介绍了一些团队与个人使用谷歌AI研究进行医疗图像/数据辅助医疗诊断的进展。

以上是当天tensorflow专场的主题演讲部分，

下面就是tensorflow新特性与相关新技术的专题技术分享，最后是阿里闲鱼、网易有道、腾讯广告部门的技术人员分享了他们借助tensorflow技术实现业务场景落地与效率提升的案例，内容也都十分精彩，首先出场的是一位谷歌美女工程师，讲述了tensorflow已经发布或者即将发布的tensorflow将会有的新特性，以及如何使用tensorflow的流程，她的总结大致如下：

• 用Eager模式搭建原型
• 用Datasets处理数据
• 用Feature Columns提取特征
• 用Keras搭建模型
• 借用Canned Estimators
• 用SavedModel打包模型

演讲中精彩时刻有照片为证

下面出场的这个帅哥演讲技术是在swift中如何使用tensorflow框架实现机器学习，主要强调了自动计算图提取技术、自动微分技术与swift对python语言的支持，还提到了对各种开发工具的支持，同样有照片为证：

上午最后一个演讲是关于tensorflow.js如何在浏览器端实现机器学习，帅哥详细说明了在浏览器端使用tensorflow模型的各种好处，以及他们在端侧进行模型训练与模型使用，实现浏览器端应用案例的，演示了几个让我印象很深刻的例子，特别还提到了一些技术环境，让我听了之后也是受益匪浅，有种茅塞顿开之感。他的分享也有照片为证：

上午分享结束之后我们到5F餐厅吃饭，吃完饭，下午有个好哥们过来找我，跟我一起听了下午的报告，他就是畅销技术书籍《RxJava 2.x 实战》作者 tony，下面的分享同样也是干货满满，听我一一到来。

第一场分享的主题是关于tensorflow lite的，介绍来哦端侧深度学习与机器学习中如何使用tensorflow lite，tensorflow Lite是在移动设备上运行机器学习的跨平台解决方案，具备低延时，运行库很小等特征。提到了他对android、ios、树莓派的支持。还分享了tensorflow Lite是如何通过技术手段优化模型，让模型体积更小、速度更快的，说明tensorflow Lite是天生为速度而生的机器学框架。有图为证：

第二场分享来自阿里闲鱼的技术团队，分享了他们如何在框架层整合tensorflow Lite完成商业应用，实现多个业务场景的智能化的案例，干货特别多，听了之后很受启发与启迪，有图像为证：

第三场分享来自网易有道，这个哥们开场那了个翻译器秀了一把，然后就开始了他关于tensorflow Lite在网易的各种应用场景案例的技术分享，同样有图：

第四场分享是关于tf.data的，讨论了机器学习中数据输入管道，以及如何是使用tf.data来实现训练加速与优化。有图为证：

第五场分享是关于使用Tensorflow Extended(TFX)在生产环境中部署机器学习的技术，讲述了如何集成它的五个组件，实现生产环境下的部署。有图为证：

第六场分享来自腾讯的工程师，分享了tensorflow在腾讯社交广告点击率预估中的应用，同业也是有不少干货，有图为证

然后就是短暂的茶歇，茶歇之后的分享有三场，首先是来自阿里的李永分享了深度学习在阿里的应用，以及阿里的深度学习技术框架PAI是如何将tensorflow引入整合的。有图像为证

然后是谷歌的工程师分享了如何通过简单的方式进行分布式的tensorflow训练，包含单机多GPU与多机多GPU以及谷歌的TPU上训练支持，个人认为很有用的知识。有图为证：

最后一位分享者是老外，他介绍tensor2tensor，通过tensor2tensor如何让研究人员更加快速的进行机器学习相关技术与算法模型的研究，这个哥们给我的最深刻的印象就是在舞台一直走来走去，估计他一个人走的步数是前面那些演讲者加起来的总和，有图为证：

最后美女工程师出现对本次tensorflow专场活动总结，并致谢！整个活动完美结束！有图为证：