在近日举行的2019 TensorFlow开发者峰会上，谷歌宣布推出TensorFlow 2.0的alpha版本。

谷歌称全新的TensorFlow更简单，并且易于使用。谷歌让TensorFlow更容易使用的一种方法是：指定Keras作为构建和培训深度学习模型的高级API，其他废弃的和冗余的 api 已经被删除或替换为等价的 api。此外，Eager Execution 在 2.0 版本中变成了默认设定，"开箱即用"性能也得到了提升。

有研究人员利用Keras &TensorFlow从梵蒂冈秘密档案中自动转录成千上万的古代手稿。

目前的alpha版本提供了API更改的早期预览，谷歌提供了转换和迁移工具，以及帮助用户从1.x版本过渡到2.0版本。同时，TensorFlow.org也进行了类似的修改，增加新的内容和资源。

TensorFlow官方在Medium上发表了一篇文章—《Intelligent Scanning Using Deep Learning for MRI》，阐述GE通用电气如何使用TensorFlow和机器学习来帮助改善MRI成像.

MRI简称核磁共振成像，对人体健康没有影响，已经成为医院里常见的一种影像检查方式。利用MRI，医院可以对患者的身体器官，包括大脑、肝、胆、肾等进行绝佳的诊断。

该文章描述了使用TensorFlow训练神经网络在脑磁共振成像（MRI）检查期间识别特定解剖结构，来帮助提高速度和一致性的经验。

为什么选择Tensorflow作为应用和部署平台，这篇文章指出了TensFlow的系列优势：

1. TensorFlow支持2D和3D级联神经网络（CNN），这是医学图像体积处理的主要要求。

2. 它广泛的内置库函数，用于图像处理和优化的张量计算。

3. 广泛的开源用户和开发人员社区，支持最新的算法实现并使其随时可用

4. 具有向后兼容性的持续开发，让代码开发和维护更容易

5. 图形计算的稳定性使其对产品部署具有吸引力

6. Keras界面可用，这显著缩短了开发时间：这有助于基于超参数调整生成和评估不同模型，并确定最准确的部署模型。

7. 使用基于TensorFlow服务CPU的docker容器和RestAPI调用完成部署，以便在获取本地化程序后对其进行处理。

适用于边缘计算的开源框架TFF

此外，TensorFlow还发布了TensorFlow Federated（TFF）这是一个开源框架，用于机器学习和分散数据其他计算的实验。

今天全球估计有30亿部智能手机和70亿的连接设备。这些手机和连接设备不断地产生新的数据，但是传统的分析和机器学习需要在处理数据前集中收集数据，来获得洞察力、机器学习模型以及最终更好的产品。

对于一些敏感或昂贵的数据来说，这种集中式的数据收集方式问题多多。如果我们把数据分析和机器学习运行在生产数据的设备上，这岂不是变得更好？

TFF实现了一种称为联合学习的方法，它使许多参与的客户能够训练共享的机器学习模型，同时在本地保存他们的数据。

"我们根据我们在谷歌开发联合学习技术的经验设计了TFF,它为移动键盘的机器学习模型'赋能'。通过TFF，我们很高兴能为所有的TensorFlow用户提供一个灵活、开放的框架，用于本地模拟分散计算。"TensorFlow在《介绍TFF》的文章中阐释道。

TensorFlow隐私开源库

然而，随着人们对数据安全的考虑和担忧，隐私正在成为极其重要的事情。本次的TensorFlow开发者峰会，TensorFlow官方宣布了TensorFlow Privacy开源库，使用它可以更轻松地训练具有隐私的机器学习模型。

当今，机器学习越来越多地应用于创造令人惊讶的新技术和用户体验，其中许多涉及训练机器以负责任地地学习敏感数据，例如个人照片或电子邮件。

受过训练的机器学习模型的参数应该编码成一般模式而不是关于特定训练示例的事实。为确保这一点，并在训练数据发送时提供强有力的隐私保证，可以使用基于差分隐私理论的技术。特别是，在对用户数据进行训练时，这些技术提供了强大的数学保证，模型不具备学习或记住有关任何特定用户的详细信息。

尤其是对于深度学习，额外的保证可以有效地加强其他隐私技术提供的保护，无论是已建立的技术，如阈值和数据省略，还是新的，比如TensorFlow Ferated。

另外，谷歌还发布了：针对移动开发人员的TensorFlow Lite 1.0、针对苹果程序员的TensorFlow with Swift version 0.2，以及针对JavaScript社区的TensorFlow.js 1.0。

自2015年11月以来，TensorFlow已被下载超过4100万次，目前全球有超过1800名的贡献者。

两款硬件产品

当然，本次峰会还发布了两款硬件产品：Coral 开发单片和Coral USB 加速棒。

据悉，Coral 开发单片是一款单片机，其中配备有可拆卸的系统模组（简称 SOM），包含 SOC、eMMC、无线电与谷歌 Edge TPU。它非常适合那些需要快速实现 ML 推理功能的物联网设备及其它嵌入式系统。

它运行 Debian Linux 系统，其中包含一个拥有外设连接口的基板；此外，其还具备 USB 2.0/3.0 接口、DSI 显示接口、MIPI-CSI 摄像头接口、千兆以太网接口、3.5 毫米音频插孔、用于立体声扬声器的 2.54 毫米 4 针终端、全尺寸 HDMI 2.0a 接口，两个数字 PDM 麦克风外加"与 Raspberry Pi 类似的"40 针 GPIO 接头。

作为产品开发工具，这款单片适用于那些希望在原型物联网设备及其嵌入式系统中快速引入机器学习推理能力的硬件开发人员。

Coral USB 加速棒是一款插入式 USB 记忆棒，能够为现有 Linux 系统提供强大的 ML 推理功能。通过 USB 3.0 接口连接 Edge TPU，设备即可快速对本地 AI 应用程序进行原型设计。

相关文章