Tensorflow新版：集成英伟达TensorRT并支持JavaScript

2018年3月，Google发布了Tensorflow 1.7.0版本，而在昨晚的Tensorflow 开发者峰会上，谷歌介绍了新版 Tensorflow 的不少重大更新。

新版本中最令人注目的是，该版本的TensorFlow和英伟达Tensor RT进行了集成，达成对GPU硬件计算环境的高度优化。在测试中，集成版本的TensorFlow比原版在7毫秒延迟环境下执行速度快了8倍。

TensorRT 是一个库，用于优化深度学习模型以进行预测，并为生产环境创建部署在 GPU 上的运行环境。它为 TensorFlow 带来了许多优化，并自动选择特定平台的内核以最大化吞吐量，并最大限度地减少 GPU 预测期间的延迟。

图| TensorFlow Extended (TFX)这个新增的机器学习平台，可让开发者准备资料、训练、验证并把训练好的模型快速部署在生产环境提供可用的服务

另外，1.7.0版的TensorFlow也支持更多的语言以及平台，它甚至也具备支持JavaScript的能力，可以在浏览器中通过网页接口进行机器学习工作，还可以导入脱机训练的TensorFlow和Keras模型来进行预测，并且对WebGL实现了无缝支持的能力。

图｜新版TensorFlow也支持了TensorFlow Hub功能，可大幅加速模型的可重复使用部分的发现、发布与使用

随着Tensorflow 1.7.0的发布，TensorFlow Lite也迎来了更新，最新版的TensorFlow Lite大幅减少核心解释器的大小，从前一版的1.1MB，缩减到75KB的大小，同时在进行一些量化模型时，新版TensorFlow Lite的速度提升高达3倍。

TensorFlow 的发展历程

TensorFlow于2015年推出，是一个采用数据流程图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。

用户可以在多种平台上展开TensorFlow计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智慧研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

随后，Google也发表了研发多年的TPU（tensor processing unit 张量处理单元）架构，它可用来训练机器学习模型并同时能处理推理工作，具备180万亿次每秒的浮点运算能力。以往用32个世界上市售最好的GPU训练大规模翻译模型任务需要一整天，但是使用1/8的TPU pod，只需要一个下午就能完成。

2018年2月3日，Google向第三方开放自研AI芯片TPU，每小时6.5美元。目前允许公司租用单个TPU板卡，今年晚些时候，将允许企业租用多个板卡，并连接成名为TPU pod的超级计算机网络。

基于TensorFlow开发的产品：

图像转译工具 pix2pix：pix2pix-tensorflow 实现了利用 Tensorflow 从一种图像转译成另一种图像的生成技术。基于 pix2pix 实现。pix2pix-tensorflow 将 pix2pix 中的 Torch 移植为 Tensorflow，同时包含来自 Torch 移植过来的色彩空间转换代码。

图丨效果图

百度DeepSpeech：DeepSpeech 项目是一个开源的 Speech-To-Text 引擎。它基于百度深度语音研究论文的机器学习技术训练论文，使用 Google 的 TensorFlow 项目来简化实现。

TensorFlow在中国的情况

TensorFlow对于中国一些初创人工智能企业来说，是非常重要的工具。不过从表现来看，绝大多数创业公司更愿意详细老牌的深度学习框架，比如Caffe、Keras、Theano。

以Keras为例，一部分人工智能初创公司选择它的理由是：Keras的句法是相当明晰的，它的文档也非常好（尽管相对较新），而且支持Python（其实TensorFlow也支持）。它的使用非常简单轻松；开发者也能很直观地了解它的指令、函数和每个模块之间的链接方式。Keras 是一个非常高层的库，可以工作在 Theano 和 TensorFlow（可以配置）之上。另外，Keras 强调极简主义——你只需几行代码就能构建一个神经网络。

对于国外而言，TensorFlow无疑是最受欢迎的。通过Github公开的数据可以看到，光是该工具的fork数就已经达到了60389，位于同类型工具的第一位。

然而在TensorFlow的中国社区中，它的影响力远没有那么大。截止至目前，TensorFlow中国的fork数仅有3315，仅为官方原版TensorFlow社区的5%。