2月16日，谷歌突然在其微信公众号“谷歌黑板报”上敲黑板：首届TensorFlow开发者峰会在美国加州山景城召开，正式发布TensorFlow 1.0。
关于TensorFlow，早在2015年我们曾报道过，美国当地时间2015年11月9日（北京时间11月10日），Google Research宣布推出第二代机器学习系统TensorFlow，并且是开源的。
TensorFlow是谷歌多年以来内部的机器学习系统，它的前身是2011年成立的DistBelief内部机器学习项目。
对于为什么推出TensorFlow并将之开源，谷歌当时说：“应当有一种真正的工具，能够让研究人员用来尝试他们疯狂的创意。如果那些创意产生作用的话，那么他们将能够直接转化成产品，而不需要研究人员再重新编写代码。”
TensorFlow具有灵活性佳、可移动、易于使用、完全开源等特性，任何人都可以免费使用。
全新TensorFlow 1.0有哪些改进？
针对上述特性，谷歌表示，与已有版本相比，本次推出的全新TensorFlow 1.0主要有以下改进：
更快：TensorFlow 团队将发布几个模型的更新，来展现如何充分利用 TensorFlow 1.0。它用了“超乎想象的快”来形容；
更灵活：TensorFlow 1.0为TensorFlow引进了带有更多模块的高级别应用程序界面。同时，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。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：
1）Python应用程序界面被调整为与NumPy更相近；
2）Java 和Go的实验性API；
3）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；
4）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；
5）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；
6）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；
7）安装改进：添加Python 3 docker镜像，并使pip包兼容PyPI。现在只要简单的调用“pip安装tensorflow”，便可安装TensorFlow。
谷歌表示，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有哪些实际用途？
TensorFlow在去年11月10日（北京时间）迎来了自己的一周年，在如此短的时间内，它成为了 GitHub 上有最多 forked repositories 的框架。
在这一天，谷歌也进行了一个耍宝：
追踪澳洲濒危海牛。研究员们利用TensorFlow的最新图像识别技术，让电脑“学会”了识别巨型航拍图中的海牛，它的速度远远超过了人工，精度是肉眼的1.4倍。
分拣储存黄瓜。日本的一位菜农使用TensorFlow为他收获的大量黄瓜建立了一个自动分拣储存系统。自动拍摄图片后，被TensorFlow自动分拣成多达九个不同的品质级别。
Google 神经网络机器翻译。TensorFlow 和Tensor Processing Units （TPUs）为 Google神经网络机器翻译（GNMT：Google Neural Machine Translate）模型特别打造硬件加速器，通过不再将句子中的词和短语独立翻译，而是对完整句子整体处理，将翻译误差降低了55% ~ 85%。非常谷歌的做法。
另外，据悉现在TensorFlow还被用在了更多的领域，包括协助诊断帕金森综合症、火车定位、谱写乐曲等。
高盛在一份长达百页的报告中，对TensorFlow的的价值给予了很高的评价：“在促进人工智能一体化（AI integration）方面，开源应用 TensorFlow 已经为其他云平台以及研究社区利用公司资源提供了先例。同时，谷歌正通过自身优势，比如 TPU，充分利用开源世界为公司提供竞争优势，尽管其机器学习库是开源的。”
就在1月31日，谷歌发布了TensorFlow 1.0.0-rc0，可以在智能手机级别的硬件上运行机器学习应用程序。
现在，它终于迎来了正式版。总之，在开源这件事情上，谷歌已经食髓知味、欲罢不能。