2018 TensorFlow 开发者峰会于北京时间 3 月 31 日凌晨 0 点 30 分在美国加利福尼亚州计算机历史博物馆如期举行，汇集全球机器学习开发者进行为期一天的技术分享和演示。

这次的大会上，没有太多令人惊喜的发布。

当然也有一些值得关注的改变。

其中讨论最多的话题，还是TensorFlow这个平台对更多编程语言的支持。主要是JavaScript和Swift。

其一，TensorFlow发布面向JavaScript开发者的机器学习框架TensorFlow.js 

这是一个面向JavaScript开发者的机器学习框架，可以完全在浏览器中定义和训练模型，也能导入离线训练的TensorFlow和Keras模型进行预测，还对WebGL实现无缝支持。

在浏览器中使用TensorFlow.js可以扩展更多的应用场景，包括展开交互式的机器学习、所有数据都保存在客户端的情况等。

实际上，这个新发布的TensorFlow.js，就是基于之前的deeplearn.js，只不过被整合进TensorFlow之中。

Google还给了几个TensorFlow.js的应用案例：

游戏：Emoji寻宝

地址：emojiscavengerhunt.withgoogle.com/

更多可以访问：js.tensorflow.org/

其二，TensorFlow for Swift将在四月开源

尽管这个项目还在初期阶段，但是也有很多人对此抱有期待。例如fast.ai创始人、前任Kaggle总裁Jeremy Howard就把这个列为峰会最重要的发布内容，而且还说：我们是不是终于可以放下Python了？

关于TensorFlow for Swift信息较少，感兴趣的可以访问下面这个地址：www.tensorflow.org/community/s…

此外，TensorFlow还有一些新功能。

包括TensorFlow Hub。“旨在促进模型的可重复使用部分的发布、发现和使用……它们包含了已在大型数据集上预先训练好的变量，并且可以用一个较小的数据集进行再训练，来提高泛化能力，或是加速训练”。

这部分说明引自Google官方微信公众号TensorFlow。

Cloud TPU也会更快更强。

如果你对这次的峰会更多内容感兴趣，建议直接访问新发布的TensorFlow博客查看，地址是：blog.tensorflow.org （跳转medium.com）

TensorFlow 1.7.0提前发布

去年2月16日，2017年度TensorFlow开发者大会也是山景城召开。当时的大会上，Google推出了TensorFlow 1.0版本。

不过，这次的开发者大会肯定是不会发布2.0版本了。

因为就在这次的开发者大会前不久，Google发布了TensorFlow 1.7.0版本。主要的改进包括把Eager模式从contrib中移出来等。

而其中最引人瞩目的，就是从这个版本开始，TensorFlow全面集成了来自英伟达的TensorRT。

作为一个库，TensorRT能够优化TensorFlow的FP16浮点和INT8整数计算，而且还能最大化吞吐量，降低GPU的推理延迟等等。

Google给出的数据显示，整合了TensorRT的TensorFlow在运行ResNet-50时，比没有整合的版本提速8倍。

更多关于TensorFlow 1.7.0版本的情况，可以访问GitHub了解。地址：github.com/tensorflow/…

这个月中旬，Stack Overflow发布了十万程序员大调查。这份调查报告显示，TensorFlow是程序员最爱框架。

报告称：机器学习框架在开发者们心目中形象不错，TensorFlow荣登程序员最爱榜榜首，有73.5%正在用它的程序员表示还想继续用，Torch/PyTorch排在第3名，68%用户打算继续用下去。

在程序员最想学的框架中，TensorFlow排在第3，而Torch/PyTorch排在第10名。还没用上TensorFlow的程序员有15.5%打算学一学，而没用上Torch/PyTorch的人里，有4.5%的人打算投入它的怀抱。

同时，也有不少人对这两个机器学习框架不太满意，26.5%的TensorFlow用户想脱离它。

以上内容来自微信公众号量子位（ID：QbitAI），夏乙 假装发自 Computer History Museum，著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。部分内容与原文有所不同。

更多相关内容请戳➡️2018 TensorFlow开发者峰会都发布了哪些杀器？

TensorFlow 中文文档说明 📋

为了方便开发者和研究人员了解学习和使用 TensorFlow，我们准备了下列内容。并为大家提供了 TensorFlow 中文文档。