点击上方蓝色“网路冷眼”可以订阅哦！
TensorFlow 1.0 是 Google机器学习库的首个主要版本，带来许多革命性的变化，包括了提供移动设备进行高效深度学习的功能
Google的开源深度学习框架TensorFlow已经发布了一个完整版1.0的发布候选版本。
版本1.0不仅改进了机器学习函数的框架，而且让用户使用 Python 和 Java 语言进行TensorFlow 开发更加容易，并改进了调试功能。引入一个新的优化TensorFlow计算的编译器，打开了一扇新的机器学习应用程序的大门，这些App可以运行在智能手机级的硬件。
Python 和 Java 双箭齐发
由于Python是构建和使用机器学习应用程序的最大平台之一，因此TensorFlow 1.0专注于改进Python交互特性。 TensorFlow Python API已经升级，以便TensorFlow使用的语法和隐喻能更好地匹配Python自身，从而在两者之间提供更好的一致性。
坏消息是，这些更改确实打破现有的Python应用程序而无法运行。尽管 TensorFlow的开发人员已经发布了一个脚本，用于将旧格式TensorFlowAPI脚本自动升级到新格式，但脚本无法修复所有问题;可能仍需要根据需要手动调整脚本。
所有Python用户可以在与Python3兼容的Docker镜像中使用TensorFlow。TensorFlow 也可以通过Python的原生软件包管理器pip来安装TensorFlow。这是完成TensorFlow的通用性迈出的巨大步伐，特别是对于那些使用股票Python分布，而不是专门针对数据科学（如Anaconda）。
Java 是机器学习的另一个主要语言平台，但 TensorFlow以前没有一组Java绑定。 1.0版本的框架引入了Java API，但它离完整远远不够，并随时可以改变，你需要能够在Linux或MacOS上从源代码构建TensorFlow。（考虑这进一步的证据，TensorFlow的Windows移植仍然是一个二等公民。）
XLA 驱动移动机器学习
也许TensorFlow 1.0的最大的附加功能不是语言支持特性或新的算法，而是用于TensorFlow计算中的线性代数的实验性编译器--加速线性代数（Accelerated Linear Algebra ，XLA）。它通过生成可以在CPU或GPU上运行的机器代码来加速某些数学运算。现在，XLA只支持Nvidia GPU，但这与GPU支持机器学习应用程序的一般性质是一致的。
XLA还提高了TensorFlow的可移植性，使现有的TensorFlow程序通过简单地创建后端，就可在新的硬件平台上运行而不需修改代码。考虑到IBM将TensorFlow支持添加到其用于机器学习的PowerAI硬件解决方案（混合支持GPU和Power8 CPU）方面，这是一个很大的优势。
TensorFlow的工程师也减少了应用程序的总体内存使用和占用空间。这些优化得到了全面的回报，但对于移动来说，这是一个特别大的优势。以前的TensorFlow版本增加了对Android，iOS和Raspberry Pi硬件平台的支持，允许它在这些设备上执行图像分类等操作。
机器学习的讨论通常涉及高端硬件的驱动力：定制CPU，GPU阵列，FPGA以及云环境提供的大规模环境。但是理论认为，创建在平均智能手机上工作的机器学习模型，而不需要云端后端提供24X7小时支持服务，可以带来新的应用程序。即使这些目标没有完全实现，这项工作将为TensorFlow提供的好处应该值得的努力。
英文原文：
TensorFlow 1.0 unlocks machine learning onsmartphones
http://www.infoworld.com/article/3162413/artificial-intelligence/tensorflow-10-unlocks-machine-learning-on-smartphones.html
作者：Serdar Yegulalp
在微信里长按二维码可以关注公众号“网路冷眼”
