自Google Brain Team开源TensorFlow以来，这一年可谓是发生了很多事情。此举旨在加速机器学习方面的研究，让技术能够更好地服务于每个人。

　　自宣布开源以来，这个项目开始变得非常活跃，超过450人直接为TensorFlow做贡献，包括Google员工、外部研究人员、独立程序员以及供职于其他大型公司的高级开发人员，让TensorFlow成为了GitHub上最受欢迎的机器学习项目之一。

　　凭借十二个月的时间里超过一万次调试，Google Brain 团队为 TensorFlow 做出了一系列性能改进，增添了对分布式训练的支持，将TensorFlow带入了iOS和Raspberry Pi，把TensorFlow与Hadoop和其他生产基础设施进行了集成，让人们通过Go、Rust和Haskell可以访问TensorFlow，在TensorFlow中推出了最先进的图像分类模型，回答了成千上万个GitHub、StackOverflow和TensorFlow邮件列表中的问题。

　　在 Google，直播，TensorFlow 参与到了从大规模产品特性支持到探索性调研在内的方方面面的工作。近期 Google Translate 的重大更新就有 TensorFlow 和 Tensor Processing Units 提供的硬件加速支持；Project Magenta 中正在研究的最新强化学习模型可以谱写乐曲；一位访问博士生携手 Google Brain 研究人员打造的一个TensorFlow模型，能够自动插入不同的艺术风格。DeepMind近期宣布将其所有最新研究迁移至TensorFlow，例如将语音样本改造成令人着迷的语言和音乐的生成模型。

　　过去一年，世界各地的人们使用TensorFlow取得了各种各样的成就：

澳大利亚海洋生物学家正在使用TensorFlow在数万张高清图片中寻找海牛，从而更好统计这种濒危物种的种群数量。

一位富有进取心的日本黄瓜菜农使用TensorFlow训练了一个模型，能够根据大小、形状和其他特征对黄瓜进行分类。

放射学家采用TensorFlow在医学扫描图片中识别帕金森病症状。

湾区的数据科学家使用TensorFlow和Raspberry Pi对加州火车进行追踪。

　　Google Brain 致力于确保 TensorFlow 的可扩展性，不论是从研究到生产，atv，还是从最小的 Raspberry Pi 到布满 GPU 或 TPU 的服务器场。但 TensorFlow 不仅仅是单独的一个开源项目，Google Brain 有意于借此为相关的软件与机器学习模型建立一个开源生态系统：

TensorFlow Serving 项目简化了将 TensorFlow 模型运用到产品中的流程。

TensorFlow 将传统线性模型与深度神经网络联系起来。

为希望在云端与 TensorFlow 团队一起进行研究的贡献者，Google 云平台近期推出了包含了 TensorFlow 相关服务的机器学习云平台。

　　在 TensorFlow 社群中，TensorFlow 模型智囊团的规模一直在持续增长，其中来自 GitHub 上的就已多达 3000 人。

　　对于已经在尖端产品、宏伟研究项目、快速发展的创业公司和学校项目中采用了TensorFlow的人们，我们表示感谢。此外，我们还要特别感谢为代码库直接做贡献的人们。通过携手全球机器学习社区，我们期待来年让TensorFlow变得更好！