去年 11 月，Github 上最受欢迎的深度学习项目 TensorFlow 庆祝了其开源一周年。而今，首届 TensorFlow 开发者峰会在山景城（美国加州）召开，其项目经理也于峰会上正式发布了 TensorFlow 1.0。

　　在过去的一年多里，TensorFlow 帮助了许许多多的研究人员、工程师、艺术家、在校学生等改善自己的工作与生活，从语言翻译、皮肤癌早期诊断、预防糖尿病眼病引发的失明等方方面面都有它的身影。

　　与已有版本相比，全新的 TensorFlow 1.0 主要有以下改进：

　　更快：TensorFlow 1.0超乎想象的快！TensorFlow 1.0 为未来更多的性能改进打下了基础，而 tensorflow.org 现在可提供模型优化的提示和技巧，以达到最高速度。在不久的将来，TensorFlow 团队将发布几个模型的更新实践，直播，显示如何充分利用 TensorFlow 1.0 ——包括针对 Inception v3 而进行的 8 个图形处理器的 7.5 倍加速。

　　更灵活：TensorFlow 1.0 为 TensorFlow 引进了带有 tf.layers，tf.metrics 和 tf.losses 模块的高级别应用程序界面。TensorFlow 团队已宣布引进能够与 Keras（另一高级别的神经网络库）完全兼容的新 tf.keras 模块。

　　随时就绪：TensorFlow 1.0 可确保 Python 应用程序界面的稳定性（详情请点击此处）Python能够在不打破现有代码的情况下，更容易地获取新功能。

　　除此之外，TensorFlow 1.0 还有着以下亮点：

Python应用程序界面被调整为与NumPy更相近

Java和Go的实验性应用程序界面

合并skflow和TF Slim后，从tf.contrib.learn而转入的高级别应用程序界面模块：tf.layers，tf.metrics和 tf.losses。

针对中央处理器发布了XLA（TensorFlow图表的特定领域编译器）的实验版本。 XLA正在快速发展，因此预计在未来的发布会上会有更多的进展

引进了TensorFlow调试器，其为TensorFlow运行程序的命令行界面和应用程序界面。

对象检测和定位，以及相机图像风格化的新安装系统的演示

安装改进：添加Python 3 docker影像，并使pip包与PyPI兼容。这就意味着现在只要简单的调用“pip install tensorflow”，便可安装TensorFlow

　　通过使用动态批处理技术如 Fold、网页工具如 Embedding Projector 及更新现有的工具如 TensorFlow Serving，TensorFlow 生态系统将不断发展。

　　TensorFlow 团队非常感激为推广深度学习技术而不懈努力的贡献者、教育工作者和研究人员团体，也期待能够在 Github issues、stackoverflow 等论坛上，在 [email protected]组织中以及在未来活动中，atv，与更多的参与者相遇。