Google 表示，仅仅在发表第一年里，TensorFlow 就帮助研究人员、工程师、艺术家、学生及其他工业人员取得巨大研究进展。这包括机器翻译、早期皮肤癌侦测、防止糖尿病失明并发症等诸多领域。如今，TensorFlow 被用在逾 6,000 个开源资源程式库，Google 研究人员对此感到十分欣喜。
15 晚上 Google 在山景城举办了第一届 TensorFlow 开发者高峰会，会上发表了 TensorFlow 1.0 正式版。一起来看看它有哪些新特徴：
更快
它运算更快──TensorFlow 1.0 有十分惊人的速度。快到什么程度呢？据 Google 表示，在使用 8 个 GPU 的情况下，TensorFlow 1.0 在 Inception v3 的测试中速度提升 7.3 倍。在 64 个分散式 GPU 集群上执行，Inception v3 的跑分增加 58 倍。
不仅如此，XLA（Accelerated Linear Algebra，加速线性代数）还为未来进一步的效能提升打下了基础。TensorFlow 的官方网站 tensorflow.org 也上线了官方使用指南和秘诀，以帮助开发者调整模型参数，达到最大的训练速度。另外，雷锋网获知，Google 将发表针对几大主流模型的实做指导（更新版本），教学如何最大化利用 TensorFlow 1.0，相信不久之后就可以看到。
更灵活
它更加灵活──TensorFlow 1.0 加入新的进阶别 API，还有 tf.layers、tf.metrics、tf.losses 模组。非常关键的是，Google 宣布 TensorFlow 1.0 内建新的 tf.keras 模组──后者使 TensorFlow 为 Keras 提供“完全”相容支援。这在之前就传过风声。做为一个在 ML 开发者当中广为流传的神经网络程式库，Keras 加入无疑让 Tensorflow 使用上更便利。
更稳定
更适合商业化──TensorFlow 加强了 Python API 的稳定性，更容易为它加入新特征，不需要推翻已有的程式码。
TensorFlow 1.0 的其他关键升级：
- Python API 修改得更像 NumPy。与此同时，在一定程度上牺牲了向下相容性，以最大化 API 的稳定性。具体有哪些改变、哪些相容性牺牲请见 Google 指南。
- 针对 Java 和 Go 的试验性 API。TensorFlow 距离完全支援 Java 更进一步。
- 进阶别 API 模组： tf.layers、tf.metrics 和 tf.losses──在整合 skflow 和 TF Slim 后，从 tf.contrib.learn 移植过来。
- XLA 试验性发表。XLA 是一个应用领域高度聚焦的 TensorFlow 图像编译器，可执行于 CPU 和 GPU。雷锋网获知，Google的 XLA 研究进度极快。我们可以期待未来的 TensorFlow 版本配备更完善、更强大的 XLA。
- 加入 TensorFlow Debuggerr（tfdbg）。这是一个指令行界面兼 API，用于修复即时 TensorFlow 程式的漏洞。
- 针对物体侦测和定位的新安卓 demo（展示），还有基于摄影镜头的影像风格化。
- 安装改进：加入 Python 3 的 docker 图像。TensorFlow 的 pip 包相容 PyPI。这意味着可以用 pip 简便地安装 TensorFlow。
Google 大神 Jeff Dean 表示，看到全世界 TensorFlow 社群以如此惊人的速度发展，他十分激动。
TensorFlow 生态不断增长，伴随着新技术加入──比如用于动态批处理的 TensorFlow Fold，类似 Embedding Projector 的工具，以及对已有工具的更新，比如 TensorFlow Serving。
- Announcing TensorFlow 1.0
- 发表会完整影片：TensorFlow Dev Summit 2017 – Livestream
- 发表会重点影片：Keynote (TensorFlow Dev Summit 2017)
（本文由 雷锋网 授权转载，图片来源：Google Developers 截图）
延伸阅读：
- 像开放 Android 一样，Google 决定开放它的机器学习系统 TensorFlow
- 在这些科技巨头的带领下，开源软件今年开启了第二春
