Google 表示，僅僅在發表第一年裡，TensorFlow 就幫助研究人員、工程師、藝術家、學生及其他工業人員取得巨大研究進展。這包括機器翻譯、早期皮膚癌偵測、防止糖尿病失明併發症等諸多領域。如今，TensorFlow 被用在逾 6,000 個開源資源程式庫，Google 研究人員對此感到十分欣喜。
15 晚上 Google 在山景城舉辦了第一屆 TensorFlow 開發者高峰會，會上發表了 TensorFlow 1.0 正式版。一起來看看它有哪些新特徴：
更快
它運算更快──TensorFlow 1.0 有十分驚人的速度。快到什麼程度呢？據 Google 表示，在使用 8 個 GPU 的情況下，TensorFlow 1.0 在 Inception v3 的測試中速度提升 7.3 倍。在 64 個分散式 GPU 集群上執行，Inception v3 的跑分增加 58 倍。
不僅如此，XLA（Accelerated Linear Algebra，加速線性代數）還為未來進一步的效能提升打下了基礎。TensorFlow 的官方網站 tensorflow.org 也上線了官方使用指南和祕訣，以幫助開發者調整模型參數，達到最大的訓練速度。另外，雷鋒網獲知，Google 將發表針對幾大主流模型的實做指導（更新版本），教學如何最大化利用 TensorFlow 1.0，相信不久之後就可以看到。
更靈活
它更加靈活──TensorFlow 1.0 加入新的進階別 API，還有 tf.layers、tf.metrics、tf.losses 模組。非常關鍵的是，Google 宣布 TensorFlow 1.0 內建新的 tf.keras 模組──後者使 TensorFlow 為 Keras 提供「完全」相容支援。這在之前就傳過風聲。做為一個在 ML 開發者當中廣為流傳的神經網路程式庫，Keras 加入無疑讓 Tensorflow 使用上更便利。
更穩定
更適合商業化──TensorFlow 加強了 Python API 的穩定性，更容易為它加入新特徵，不需要推翻已有的程式碼。
TensorFlow 1.0 的其他關鍵升級：
- Python API 修改得更像 NumPy。與此同時，在一定程度上犧牲了向下相容性，以最大化 API 的穩定性。具體有哪些改變、哪些相容性犧牲請見 Google 指南。
- 針對 Java 和 Go 的試驗性 API。TensorFlow 距離完全支援 Java 更進一步。
- 進階別 API 模組： tf.layers、tf.metrics 和 tf.losses──在整合 skflow 和 TF Slim 後，從 tf.contrib.learn 移植過來。
- XLA 試驗性發表。XLA 是一個應用領域高度聚焦的 TensorFlow 圖像編譯器，可執行於 CPU 和 GPU。雷鋒網獲知，Google的 XLA 研究進度極快。我們可以期待未來的 TensorFlow 版本配備更完善、更強大的 XLA。
- 加入 TensorFlow Debuggerr（tfdbg）。這是一個指令行介面兼 API，用於修復即時 TensorFlow 程式的漏洞。
- 針對物體偵測和定位的新安卓 demo（展示），還有基於攝影鏡頭的影像風格化。
- 安裝改進：加入 Python 3 的 docker 圖像。TensorFlow 的 pip 包相容 PyPI。這意味著可以用 pip 簡便地安裝 TensorFlow。
Google 大神 Jeff Dean 表示，看到全世界 TensorFlow 社群以如此驚人的速度發展，他十分激動。
TensorFlow 生態不斷增長，伴隨著新技術加入──比如用於動態批處理的 TensorFlow Fold，類似 Embedding Projector 的工具，以及對已有工具的更新，比如 TensorFlow Serving。
- Announcing TensorFlow 1.0
- 發表會完整影片：TensorFlow Dev Summit 2017 – Livestream
- 發表會重點影片：Keynote (TensorFlow Dev Summit 2017)
（本文由 雷鋒網 授權轉載，圖片來源：Google Developers 截圖）