TensorFlow 1.0 发布，更快、更灵活、更方便！(含峰会主题演讲视频)

不过是在推出的第一年，TensorFlow 就已帮助研究人员、工程师、艺术家、学生以及许多其他人员在语言翻译到早期发现皮肤癌以及预防糖尿病致盲的各个领域取得进展。我们兴奋地看到，人们在 6000 多个在线开放源代码存储区中使用 TensorFlow。

我们在 Mountain View 举办并面向全球实况直播的首次年度 TensorFlow 开发者峰会期间宣布 TensorFlow 1.0 正式发布。

速度更快：TensorFlow 1.0 快得不可思议！XLA 为将来进一步的性能提升奠定了基础，tensorflow.org 现在加入了提示与技巧，可让您通过优化模型达到最快速度。我们不久便会发布几种流行模型的更新版实现，以说明如何充分利用 TensorFlow 1.0：其中包括在 8 GPU 系统上实现 7.3 倍 Inception v3 加速，和在 64 GPU 系统上实现 58 倍分布式 Inception v3 训练加速！

它灵活性更高：TensorFlow 1.0 推出了一个包含 tf.layers、tf.metrics 和 tf.losses 模块的 TensorFlow 专用高级 API。我们还宣布加入了一个新的 tf.keras 模块，该模块全面兼容 Keras：另一个流行的高级神经网络内容库。

它的生产就绪度达到了前所未有的水平：TensorFlow 1.0 承诺 Python API 稳定性（详见此处：www.tensorflow.org/programmers_guide/version_semantics），这使它能够更方便地加入新功能，而且不必担心破坏您的现有代码。

2017 TensorFlow 开发者峰会主题演讲视频：

class="video_iframe" data-vidtype="1" allowfullscreen frameborder="0" style=" z-index:1; " height="417" width="556" data-src="https://v.qq.com/iframe/preview.html?vid=d0375g9ahnp&width=500&height=375&auto=0">

TensorFlow 1.0 的其他亮点：

• Python API 更改后更加类似 NumPy。如需了解为了支持 API 未来稳定性而进行的这项更改以及其他不向后兼容更改，请参阅我们的便捷迁移指南和转换脚本。

• 面向 Java 和 Go 的实验性 API。

• 高级 API 模块 tf.layers、tf.metrics 和 tf.losses：纳入 skflow 和 TF Slim 后从 tf.contrib.learn 带入。

• 实验性版本的 XLA，一种适用于 TensorFlow 图表、以 CPU 和 GPU 为目标的网域专用编译器。XLA 进化迅速：预期可在即将发布的版本中看到更多进展。

• 推出 TensorFlow 调试程序 (tfdbg) 这个用于调试实时 TensorFlow 程序的命令行界面和 API。

• 新增了用于对象检测和本地化以及基于摄像头图像风格化的 Android 演示应用。 

• 安装改进：添加了 Python 3 Docker 图像，TensorFlow 的 pip 软件包现在符合 PyPI 标准。这意味着现在只需简单地调用 pip install tensorflow 便可安装 TensorFlow。

全球 TensorFlow 社区的快速发展步伐令我们惊喜。要想了解更多有关 TensorFlow 1.0 及其使用方法的内容，您可以观看 YouTube 上的 TensorFlow 开发者峰会演讲，它们涵盖了从更高级 API 到移动平台 TensorFlow 再到新推出的 XLA 编译器的近期动态，以及令人兴奋的 TensorFlow 使用方法。

TensorFlow 生态系统将随着 Fold 之类的全新动态批处理技术、Embedding Projector 之类的工具以及 TensorFlow Serving 之类现有工具的更新继续成长。

我们无比感谢由代码贡献者、教育工作者和研究人员组成的社区，他们在深度学习领域取得的进步可令所有人受益。我们期待着与您在 GitHub 问题、Stack Overflow、@TensorFlow 等论坛、discuss@tensorflow.org 讨论组以及未来的活动中与您合作。

推荐阅读：

TensorFlow中国线下活动

盘点Google机器学习开源项目一年来的小成就

Google资深研究科学家: 人工智能是一种技术手段，不是魔法