Google 发布 TensorFlow 1.0 blog 翻译

原文引自Google Research Blog-Announcing TensorFlow 1.0 ，如有版权问题请与我联系。未经允许禁止转载！

在第一年，TensorFlow已经帮助了非常多的研究者，工程师，学生以及在语言翻译，早期皮肤癌检测和预防糖尿病患者失明等诸多方面取得贡献的人们。我们也非常激动的看到已经有超过6000的在线开源库。

快速的: TensorFlow 1.0 是难以置信的快速！XLA为未来更多的性能改进奠定了基础，并且在tensorflow.org如今已经包含了提示和技巧来调整你的模型从而获得最大的速度提升。我们将在不久发布几种受欢迎的模型的更新实现来展示如何发挥出TensorFlow 1.0 - 包括对于Inception v3在8个GPU上7.3倍的加速以及对于分布Inception v3训练在64个GPU上58倍的速度加速的全部优点。

灵活的: TensorFlow 1.0为TensorFlow包括tf.layers, tf.metric, 以及tf.losses模块介绍了高层次的API。我们同时发布了新的tf.keras模块，该模块提供了与Keras的完全兼容，其为另一种受欢迎的高层次的神经网络库。

前所未有的为生产准备: TensorFlow 1.0允许使用稳定的 Python API（详见这里），这使得更易于获取新的特性而不需要担心打乱你已有的代码。

其他要点可以从TensorFlow 1.0获得：

Python API 已经改变的与 NumPy更加的接近。因为这一点以及其他的一些向后不兼容的改变以支持API稳定的前进，请使用我们的手册迁移指导以及转换脚本。

更高层次的 API 模型tf.layers, tf.metric, 以及tf.losses - 在合并了skflow和TF Slim后又带来了tf.contrib.learn。

XLA实验版本的发布， 其为面向CPU和GPU的TensorFlow graphs领域的特定编译器。XLA正在快速的进步 - 期待在将来的版本中看到更多的改进。

TensorFlow Debugger 介绍(tfdbg)，有命令行界面并且提供实时调试TensorFlow 程序的API。

新的基于摄像头的图像的目标检测与本地化安卓样例。

安装改进：加入了Python 3 docker image并且TensorFlow的pip包现在与PyPI相兼容。这意味着TensorFlow现如今能够通过简单的调用

pip install tensorflow

我们很高兴的看到TensorFlow社区在世界各地发展的脚步。听到更多关于TensorFlow 1.0和它是如何被使用的的消息，你可以观看在YouTube上TensorFlow开发者峰会，浏览从更高层次的API到移动端上使用TensorFlow到我们最新的XLA编译器等这些最近更新，同时TensorFlow激动人心的使用方式。

TensorFlow生态圈将与新技术比如针对动态批处理的Fold 和类似于Embedding Projector的工具和我们现有工具的更新比如:TenserFlow Serving持续发展。

后续将持续关注Google TensorFlow的发展，并且随着笔者对于机器学习和深度学习领域研究的深入，将提供更多的资料，笔记心得与代码示例。如有问题探讨，欢迎与我切磋、联系、共同进步。