今年三月，我们在 TensorFlow 开发者峰会上公开演示了 Swift for TensorFlow，现在我们很高兴宣布 Swift for TensorFlow 已在 GitHub 上开源：
https://github.com/tensorflow/swift
Swift for TensorFlow 为 TensorFlow 提供了一种新的编程模型，将 TensorFlow 计算图与 Eager Execution 的灵活性和表达能力结合在了一起，同时还注重提高整个软件架构每一层的可用性。为了实现我们的目标，经过深思熟虑，我们决定直接改进 Swift 编程语言和编译器，使得 Tensor 成为 Swift 语言里面的一等公民，以此提升用户体验。
我们的方法不同于一般的 TensorFlow 使用方法，开放了很多新的机会和渠道来解决现存问题。尽管目前项目尚处于早期开发阶段，我们还是决定将其开源，将我们的设计方案公布在开放的讨论组中，让所有爱好者都能参与进来。
设计文档
我们编写了一些文档，详细介绍了我们的理论和实现。这些文档都可以在 README 文件中找到：
https://github.com/tensorflow/swift/blob/master/README.md
第一个必读文档是“Swift for TensorFlow 设计总览”，这里介绍了项目的主要组成部分以及结合方式。
另外，我们还会详细介绍项目的几个重要领域。我们设计的基础是一个我们称之为“Graph Program Extraction”的算法，它可以让你用 Eager Execution 式的编程模型来轻松地实现代码，同时还保留 TensorFlow 计算图的高性能优势。另外，我们将高级的自动微分功能直接集成在了 Swift 语言和编译器里面。我们还深入介绍了 Python 与 Swift 的集成，让你直接通过 Swift 代码使用任意 Python API。
实现可靠的 Graph Program Extraction 算法对于编程语言的设计有很高的要求，经过分析和讨论，我们选择了 Swift 作为主语言。如想了解我们如何决定了使用 Swift 作为 TensorFlow 的编程语言，你可以在这里找到答案：
https://github.com/tensorflow/swift/blob/master/docs/WhySwiftForTensorFlow.md
行动起来吧！
鉴于项目还在早期阶段，你可以通过很多方式参与进来，为项目贡献自己的力量！我们有 macOS 和 Linux 的安装包，以及教你如何获取源代码的开发指南。在此阶段，如果你遇到困难，可以在 TensorFlow 中文社区论坛的 “TensorFlow 建议和反馈” 板块联系我们：
https://www.tensorflowers.cn/b/issues
我们很高兴能够为 TensorFlow 创造一个全新的编程体验，同时我们也希望倾听你们的意见！
点击下方 | 阅读 原文 | 了解更多
Be a Tensorflower
