序言:从TensorFlow1.0.0说起

从TF的Github的首页上转的图
从TF的Github的首页上转的图

上面的Icon是TensorFlow的默认图标,是从Github转的图,看着有点前几年的爆款游戏《纪念碑谷》的意味。图标言简意赅,简洁中透出满满的艺术感。

此系列是学习TensorFlow新笔记系列,迫于自己平时有点拖延症。特此开此笔记集来作为对自己的鞭策。笔记将会涉及到下面的方面:

  1. 《序言:从TensorFlow1.0.0说起》
  2. 《第一讲:Tensor是什么》
  3. 《第二讲:Operation是什么》
  4. 《第三讲:Session是什么》
  5. 《第四讲:Scope是什么》
  6. 《第五讲:TF:Hello World!》
  7. 《第六讲:什么是TensorBoard》
  8. 未完待续

TensorFlow是Google在15年在Github上面开源的一款基于Python语言的机器学习新工具,在我决定写这系列文章的时候,TensorFlow的最新release version 是 1.0.0。在17年年后不几天,Google发布了最新版,并举行了Google Dev Summit 2017(Youtube视频地址)

TF_Dev_Summit_2017.png

在此次的发布会上,Jeff Dean(Google Senior Fellow)主持了此次的发布会,在时长29:54的演讲中,Jeff Dean首先回顾了最初由众多Google的工程师发表的论文《Large Scale Distributed Deep Networks》。现在的TF可以运行在CPU/GPU/TPU等不同的设备上,同时兼容Android/IOS/Raspberry Pi等移动操作系统,还有现在TF可以在Google Cloud上了。支持的语言有:Python、C++、Java、Go、Haskell、R。除了更加的兼容和支持不同平台之外,最抢眼的功能就是TF提供了一个很赞的可视化工具TensorBoard(比之前版本的Board更赞)。


TF在Google自家产品中的应用情况

TF现在在很多领域得到了快速的发展,比如:

  1. Search
  2. Gmail
  3. Translate
  4. Maps
  5. Android
  6. Photos
  7. Speech
  8. Youtube
  9. Play
  10. etc ...

之后Rajat Monga @rajatmonga(Google Software Engineer)做了题为《What‘s New Today?》的演讲,并正式发布TF1.0,指出最新release版本的TF的特点是Fast+Flexible+Production-ready。熟悉机器学习Python工具库的同学可能听说或是使用过Keras这个工具包,现在Keras已经和TF高度集成了,下面的图片中显示的是Rajat Monga在讲述TF的系统架构和外部接口,可以看到Keras Model已经集成到了TF的Model里面了。另外,TF的model模块已经从TF库中移出来成为了单独的开源库,同样是由Google来维护。


Rajat Monga 在介绍TF的结构

在介绍TF在移动平台上面的应用的时候,请来了一嘉宾做TF在mobile端的演示,幻灯片和数据显示mobile端(枭龙820处理器)运行在Hexagon DSP上的程序比运行在CPU上的程序要快很多。
接下来Rajat Monga 介绍了TF的一个新的编译器:XLA


Rajat Monga介绍TF的新的编译器

第三个登场的是Megan Kacholia(Engineering Director),她深入的讲解了TF。主要包括在不同的硬件上加速效果 ,在实际的应用中示例(路牌语言翻译),在Google产品中的使用情况,以及其他的正在使用TF改进产品的公司或是产品(令人惊奇的是有家中国的电商网站也在其中,大家自己从图中发现吧。)

Megan的演讲简报

keynote的最后Jeff Dean上台做了最后的总结和前瞻性讲话。举了几个个栗子来说明机器学习在各方面的应用。

  1. 农业--机器代替劳动力:一对日本夫妇用TF图像识别工具及其机械装置做黄瓜等级的筛选工作,机器取代人工的第一步。
  2. 医学方面--更好的辨别疾病:通过对眼部图像的分类,机器能够区别哪些是病变的区域,并能对病变区域进行标识。
  3. 请来了斯坦福大学的Phd、Thrun实验室的研究生Brett Kuprel讲了2017年发在《Science Letter 》上的那篇机器学习在诊断皮肤癌方面已经达到人类水平的文章--《Dermatologist-level classification of skin cancer with deep neural networks》(p.s. 小哥一看就是典型的学术学生,不善言辞,上台问好,把十几秒的台词一口气说完然后就下台了),more information visit 机器之心的报道
TF的应用

最后则是一个很nice的TF的宣传视频,主要是上面提及的各个项目和实际应用的背后的故事。

观后感:

作为目前机器学习工业界的领头人,在有Google的强大后盾支持下,在短短的一年之中便跃居开源社区的榜首,无论是在代码规范性,文档完备性,已经提交频繁性等方面都很出色。现在在1.0.0版本中就能够放出这么多的精彩用法,实在是很令人敬佩的。从web1.0到web2.0,现在我想我们处的互联网时代应该是智能互联网时代,以后的工作将会渐渐的由机器或是智能算法替代人类。我们离《西部世界》的智能机器人,或是《少数派报告》中的智能世界,亦或是《真实的人类》中合成人的觉醒已经不远了。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容