谷歌深度学习框架TensorFlow1.0 发布，更快更稳定

2月15日，在山景城举办的首届TensorFlow开发者峰会上，谷歌官方正式发布了TensorFlow 1.0版，包括多项新特性。

作为一个开源软件库，TensorFlow可应用于各种感知和语言理解的机器学习任务。从机器翻译、皮肤癌早期症状检测到糖尿病致盲预防，在过去一年的运行期间内，TensorFlow 帮助众多的研究人员、工程师、艺术家以及学生在各自领域内取得相应的进展。到目前为止，已经有超过6000个在线开源存储库项目使用到 TensorFlow了。

而此次最新发布的TensorFlow 1.0毫无疑问又带来了众多创新：

更快，TensorFlow 1.0 运行速度又得到进一步加快，XLA 为未来性能提升奠定了基础，而且 tensorflow.org 新提供“tips & tricks”可以指导用户对模型进行微调以实现最大速度。谷歌官方也将会很快发布几种流行的模型的更新，以展示如何充分利用TensorFlow 1.0：包括基于 8 GPU 对 Inception v3 实现7.3倍加速，以及基于 64 GPU 对分布式 Inception v3 训练实现58倍加速！

更稳，TensorFlow 1.0 提供稳定的 Python API，不必破坏现有的代码就能获取新功能。

更灵活，TensorFlow 1.0 还加入了一些高级API，包括 tf.layers，tf.metrics 和 tf.losses 模块。此外，它还包含一个全新的 tf.keras 模块，能够与高级神经网络库Keras 完全兼容。

其他亮点：

Python APIs已经大幅向Numpy转型。

支持 Java 和 Go 的实验性 API。

在集成了 skflow 和 TF Slim 后从 tf.contrib.learn 带来的高级 API 模块：tf.layers、tf.metrics 和 tf.losses

发布了面向CPU和GPU的TensorFlow图形的特定领域编译器XLA的实验版本。 XLA正在迅速发展——预计在未来的发布中将看到更多的进展。

引入 TensorFlow Debugger (tfdbg)，这是一个用于调试实时 TensorFlow 程序的接口和 API。

新的关于目标检测和定位、基于相机的图像风格化的 Android 演示。

安装改进：添加了Python 3 docker镜像，TensorFlow的pip包现在兼容PyPI。这意味着TensorFlow现在可以简单调用pip install tensorflow来安装。

对于很多创业公司来说，可以使用到一个处于国际领先水平的深度学习系统，创业过程中的技术难度无疑会得到大幅降低，而这也算是谷歌TensorFlow的一大贡献。