参与：吴攀、李亚洲

　　TensorFlow 发布一年以来已经帮助研究者、工程师、艺术家、学生等等许多人在语言翻译、皮肤癌早期检测和预防糖尿病致失明等许多方面取得了许多进展。如今，在网上已经有超过 6000 个使用 TensorFlow 的开源软件库和项目了。

今天，在山景城召开了第一届年度 TensorFlow 开发者大会（TensorFlow Developer Summit），本次盛会也已经在 YouTube 上开启了直播。在本次大会上，谷歌也正式宣布发布 TensorFlow 1.0 正式版。

TensorFlow 1.0：https://github.com/tensorflow/tensorflow/releases/tag/v1.0.0

直播地址：https://www.youtube.com/watch?v=LqLyrl-agOw

XLA：https://www.tensorflow.org/performance/xla

尽管在 发布的时候我们就预期到了本次大会上正式版的到来，但 TensorFlow 1.0 仍有一些值得我们关注的亮点（以下内容来自谷歌开发者博客）：

速度更快：TensorFlow 1.0 快得让人难以置信！XLA 更为未来进一步的性能提升奠定了基础，而且 tensorflow.org 上现在也已经包含了帮助指导你调整你的模型以使其达到最大速度的技巧和诀窍。我们将会很快发布几种流行的模型的新实现，以表明我们可以如何充分利用 TensorFlow 1.0——包括在 8 个 GPU 上给 Inception v3 带来的 7.3 倍的速度提升和在 64 个 GPU 上为分布式 Inception v3 训练所带来的 58 倍速度提升！

灵活性更高：TensorFlow 1.0 引入了一个高层面的 API，带有 tf.layers、tf.metrics 和 tf.losses 模块。我们还宣布包含进了一个新的 tf.keras 模块，提供了与另一个流行的高级神经网络库 Keras 的完全兼容。

比以往任何时候都更适合生产：TensorFlow 1.0 保证了 Python API 的稳定性，使得你可以在无需担忧破坏你现有代码的情况下更容易地获取新功能。

TensorFlow 1.0 的其它亮点：

Python API 已改为更类似于 NumPy 的样子。为了应用这种和其它的为了支持 API 稳定性所做的后端兼容修改，请参考我们好用的移植指南（https://tensorflow.org/install/migration）和转换脚本（https://github.com/tensorflow/tensorflow/tree/r1.0/tensorflow/tools/compatibility）

支持 Java 和 Go 的实验性 API

在集成了 skflow 和 TF Slim 后从 tf.contrib.learn 带来的高级 API 模块：tf.layers、tf.metrics 和 tf.losses

XLA 的实验性发布，这是一个用于 TensorFlow 图的特定领域的编译器，其面向 CPU 和 GPU。XLA 正在快速进化——在未来的版本中有望见证更多改进

引入 TensorFlow Debugger (tfdbg)，这是一个用于调试实时 TensorFlow 程序的接口和 API。

新的关于目标检测和定位、基于相机的图像风格化的 Android 演示

安装提升：加入 Python 3 docker images，TensorFlow pip 包现在已兼容 PyPI。这意味着现在可以通过简单的调用 pip install tensorflow 来实现安装。

在此届的 TensorFlow 开发者大会上，除了宣布发布 TensorFlow 1.0 正式版之外，还有许多其他亮点。其中一些演讲的视频已经公开，一些演讲正在进行中。

主题演讲（Keynote）

在开发者大会上，谷歌的 Jeff Dean、Rajat Monga 和 Megan Kacholia 做了主题演讲，他们讨论了 TensorFlow 的起源、开源之后的发展、TensorFlow 对社区繁荣作出的贡献、TensorFlow 的表现与延展性、TensorFlow 在全球的应用等。当然，也包括一些激动人心的消息的公布，比如 TensorFlow 1.0 的发布。

除了 Keynote 之外，还有许多精彩的演讲视频已经公开。这些演讲涉及到 TensorFlow 的方方面面：高层次的 API、应用（癌症图像分类）、分布式 TensorFlow 等。

其中讲解应用 TensorFlow 进行癌症图像分类的是斯坦福 Thrun 实验室的研究生 Brett Kuprel。，直播，相关论文《Dermatologist-level classification of skin cancer with deep neural networks》已经发表在 Nature 上，并成为了封面文章。

以下为其他演讲的简介与视频观看链接：

XLA: TensorFlow, Compiled!

演讲者：Chris Leary 和 Todd Wang

链接：https://www.youtube.com/watch?v=kAOanJczHA0

简介：对于有效的机器学习而言，速度就是一切，XLA 就是为减少训练和推理时间而生的。在这个演讲中，Chris Leary 和 Todd Wang 描述了 TensorFlow 使用 XLA、JIT、AOT 和其它编译技术可以如何最小化执行时间和最大化地利用计算资源。

上手 TensorBoard（Hands-on TensorBoard）

演讲者：Dandelion Mane

链接：https://www.youtube.com/watch?v=eBbEDRsCmv4