编译：弗格森 文强

AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】 近日，谷歌开源深度学习框架 TensorFlow 发布了完整的1.0版本，不仅改进了库中的机器学习功能，而且对 Python 和 Java 用户开放，提升了 debugging。同时，一系列新的改进，使得在普通智能手机上运行机器学习，特别是深度学习程序成为可能。

　　谷歌开源深度学习框架 TensorFlow 近日发布了一个完整的1.0版本——TensorFlow 1.0.0-rc0。

　　Version 1.0 不仅改进了 TensorFlow 库中的机器学习功能，而且对 Python 和 Java 用户开放了 TensorFlow 开发，并且提升了 debugging。新版本中，一个对 TensorFlow 的计算进行了优化的新编译器，为一系列能够在智能手机级别的硬件上运行机器学习应用程序打开了大门。

　　鉴于 Python 是开发和运行机器学习应用最大的平台之一，TensorFlow 1.0 比较正确的做法是专注于提升与 Python 的交互。TensorFlow Python API 已经得到升级，进而，TensorFlow所使用的语法和 metaphors 能更好地适配 Python，在二者之间提供更好的一致性。

　　坏消息是，这些改变肯定会破坏已有的 Python 应用。Tensorflow 的开发者已经发布了一个，用于将旧的 TensorFlow API s 升级到新的格式，但是，这一并不是万能的，你可能仍需要手动调整s。

　　TensorFlow 现在可以在与 Python 3 兼容的 Docker 镜像中使用，对于所有Python用户，TensorFlow现在可以通过 Python 的本地软件包管理器 pip 来安装。最后这一点在提高TensorFlow的通用性上迈出了一大步，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）的应用。

　　Java是机器学习的另一个主要语言平台，但此前，TensorFlow 并没有Java绑定。TensorFlow 1.0版本的框架引入了一个Java API，但它远远不够完整，并且随时可以改变，你需要能够在Linux 或 MacOS 上从源代码构建 TensorFlow。 （考虑这些深入的发现，TensorFlow的 Windows 端口仍然是一个二等公民。）

　　用 XLA走向移动端

　　也许 TensorFlow 1.0中新增的一个最大功能不是语言支持功能或新的算法，而是用于TensorFlow计算中的线性代数的实验编译器——加速线性代数（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程序可以以未经修改的方式，通过创建后端从而在新的硬件平台上运行。这些新功能部分要得益于IBM将TensorFlow支持添加到其用于机器学习的PowerAI硬件解决方案（由混合GPU和Power8 CPU支持）这件事。

　　TensorFlow的工程师也减少了应用程序的总体内存使用和空间占用。这些优化整体上产生了回报，但对于移动端来说，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和云环境提供的规模。但是理论上，创建在普通的智能手机上工作、并且不需要云端或后端每时每刻的支持的机器学习模型，可以带来新的应用程序。即使这些目标没有完全实现，考虑到这项工作将为TensorFlow带来的好处，也是应该值得的努力。

　　TensorFlow 1.0 重大功能及改善

XLA（实验版）：初始版本的XLA，针对TensorFlow图（graph）的专用编译器，面向CPU和GPU。

TensorFlow Debugger（tfdbg）：命令行界面和API。

添加了新的python 3 docker图像。

使pip包兼容pypi。TensorFlow现在可以通过 [pip install tensorflow] 命令安装。

更改了几个python API的调用方式，使其更类似 NumPy。

新的（实验版）Java API。

Android：全新人物检测+跟踪演示实现——“Scalable Object Detection using DNN”（带有额外的YOLO对象检测器支持）。

Android：全新基于摄像头的图像风格转换演示，使用了神经网络艺术风格转换技术。

　　重大 API 变动