感謝各位參加我們的 2021 年線上 I/O 直播大會(huì)！雖然沒(méi)能面對(duì)面交流，但我們?nèi)韵Ｍ衲甏舜位顒?dòng)的便利性更勝以往。在本文中，我們將總結(jié)主題演講中涉及的一些更新。您可以觀看下面的主題演講視頻，并在 Google 開(kāi)發(fā)者Youku頻道上找到所有主題演講的視頻。以下是按產(chǎn)品領(lǐng)域列出的一些更新摘要（視頻中還有更多產(chǎn)品更新要點(diǎn)，請(qǐng)務(wù)必查看）。

移動(dòng)版和網(wǎng)站版 TensorFlow

TensorFlow Lite 運(yùn)行環(huán)境將與 Google Play 服務(wù)綁定

我們?cè)?I/O 上發(fā)布了 TensorFlow Lite 運(yùn)行環(huán)境將與 Google Play 服務(wù)綁定，這意味著您無(wú)需將運(yùn)行環(huán)境與應(yīng)用一同發(fā)布。這可以大幅縮減您的應(yīng)用軟件包?，F(xiàn)在，您在分發(fā)模型時(shí)不必?fù)?dān)心運(yùn)行環(huán)境。您可以立即注冊(cè)搶先體驗(yàn)計(jì)劃，我們預(yù)計(jì)會(huì)在今年晚些時(shí)候全面發(fā)布。

您現(xiàn)在可以在網(wǎng)站上運(yùn)行 TensorFlow Lite 模型

現(xiàn)在，您所有的 TensorFlow Lite 模型都可以通過(guò)瀏覽器直接在網(wǎng)站上運(yùn)行，只需使用全新 TFLite Web API 即可，這些 API 均與 TensorFlow.js 整合。這個(gè)基于任務(wù)的 API 支持運(yùn)行所有TFLite Task 庫(kù)模型，可以進(jìn)行圖像分類、目標(biāo)檢測(cè)、圖像分割，還可以解決許多 NLP 問(wèn)題。該 API 還支持運(yùn)行自定義的 TFLite 模型，只需調(diào)用簡(jiǎn)單直觀的 TensorFlow.js 兼容 API 即可。在此特性的支持下，您可以通過(guò)單個(gè)堆棧，將您的移動(dòng)設(shè)備和網(wǎng)站 ML 開(kāi)發(fā)統(tǒng)一起來(lái)。

設(shè)備端機(jī)器學(xué)習(xí)新網(wǎng)站

我們知道，開(kāi)發(fā)者不易找到適應(yīng) Android、Web 和 iOS 的最有效方式。正因如此，我們創(chuàng)建了新的設(shè)備端機(jī)器學(xué)習(xí)網(wǎng)站，以幫助您找到適合自己的方式，例如從一站式轉(zhuǎn)換至自定義模型，或從跨平臺(tái)移動(dòng)設(shè)備轉(zhuǎn)換至瀏覽器內(nèi)。其中包括將想法變成部署應(yīng)用的途徑，并包含過(guò)程中的所有步驟。

設(shè)備端機(jī)器學(xué)習(xí)網(wǎng)站

http://g.co/on-device-ml

性能分析

在性能方面，我們也在努力為 Android 開(kāi)發(fā)者提供更多工具。TensorFlow Lite 包括內(nèi)置的 Systrace 支持，并無(wú)縫整合了 Android 10 的 Perfetto。

而且，性能改進(jìn)并不僅限于 Android，對(duì)于 iOS 開(kāi)發(fā)者而言，TensorFlow Lite 的內(nèi)置支持基于 signpost 的性能分析。您可以在啟用跟蹤記錄選項(xiàng)的情況下構(gòu)建應(yīng)用時(shí)，運(yùn)行 Xcode 性能剖析器來(lái)查看路標(biāo)事件，以便您進(jìn)行更深入的研究，并在執(zhí)行過(guò)程中細(xì)致地查看各個(gè)算子。

TFX

TFX 1.0：企業(yè)級(jí)正式版 ML

將您的 ML 模型從原型轉(zhuǎn)化至正式版，需要許多基礎(chǔ)架構(gòu)。Google 創(chuàng)建 TFX 的原因在于我們需要針對(duì) ML 產(chǎn)品和服務(wù)構(gòu)建強(qiáng)大的框架，然后將其開(kāi)源，以供其他人使用。其中包括對(duì)訓(xùn)練模型的支持，相關(guān)模型可用于移動(dòng)應(yīng)用和 Web 應(yīng)用，以及基于服務(wù)器的應(yīng)用。

與許多合作伙伴成功推出 Beta 版后，今天我們宣布推出 TFX 1.0，已為企業(yè)級(jí)正式版 ML 做好準(zhǔn)備。TFX 包括企業(yè)級(jí)框架所需的所有內(nèi)容，包括企業(yè)級(jí)支持、安全補(bǔ)丁程序、問(wèn)題修復(fù)，以及針對(duì)整個(gè) 1.X 發(fā)行周期提供向后兼容性。此外，TFX 還能針對(duì)在 Google Cloud 上的運(yùn)行提供強(qiáng)大支持，以及為移動(dòng)應(yīng)用、Web 應(yīng)用和 NLP 應(yīng)用提供支持。

Responsible AI

我們還將共享許多新工具，以幫助您在使用 ML 進(jìn)行開(kāi)發(fā)時(shí)始終將 Responsible AI 作為首要考慮因素。

Know Your Data

Know Your Data (KYD) 是一個(gè)新工具，可幫助 ML 研究人員和產(chǎn)品團(tuán)隊(duì)了解豐富的數(shù)據(jù)集（圖像和文本），以改善數(shù)據(jù)和模型質(zhì)量，同時(shí)顯示并緩解公平性和偏向性問(wèn)題。請(qǐng)通過(guò)上方鏈接試用交互式演示版，以了解詳情。

People + AI Guidebook 2.0

創(chuàng)建 AI 解決方案時(shí)，體現(xiàn)責(zé)任心的關(guān)鍵在于采用以用戶為中心的構(gòu)建方式。為此，我們很高興推出 People + AI Guidebook 2.0。此更新旨在通過(guò)大量新資源（包括代碼、設(shè)計(jì)模式等等）幫助您踐行以用戶為中心的 AI 的最佳做法和指南！

還請(qǐng)查看我們的 Responsible AI 工具包，以更好地通過(guò) TensorFlow 將 Responsible AI 做法整合至您的 ML 工作流中。

Keras 中的決策森林

對(duì)隨機(jī)森林和梯度提升樹(shù)的新支持

ML 不僅僅用于神經(jīng)網(wǎng)絡(luò)。開(kāi)始使用 TensorFlow 2.5 時(shí)，您可以使用熟悉的 Keras API 輕松訓(xùn)練強(qiáng)大的決策森林模型（包括隨機(jī)森林和梯度提升樹(shù)等最受歡迎的選項(xiàng)）。支持許多最先進(jìn)的算法，用于訓(xùn)練、服務(wù)和解讀模型，以完成分類、回歸和排名的任務(wù)。就像使用 TensorFlow 訓(xùn)練任何其他模型一樣，您可以使用 TF Serving 為您的決策森林提供服務(wù)。查看教程，并觀看此次會(huì)議的視頻。

適用于微控制器的 TensorFlow Lite

新的預(yù)存儲(chǔ)開(kāi)發(fā)板、實(shí)驗(yàn)和挑戰(zhàn)賽

適用于微控制器的 TensorFlow Lite 幫助您在只有數(shù) K 字節(jié)內(nèi)存的微控制器和其他設(shè)備上運(yùn)行 ML 模型?，F(xiàn)在，您可以購(gòu)買通過(guò)藍(lán)牙連接瀏覽器的預(yù)存儲(chǔ) Arduino 開(kāi)發(fā)板。您可以使用這些開(kāi)發(fā)板來(lái)嘗試新的 Experiments With Google，以便您做出手勢(shì)，甚至創(chuàng)建自己的分類器，并運(yùn)行自定義 TensorFlow 模型。如果您樂(lè)于挑戰(zhàn)，我們也在挑戰(zhàn)運(yùn)行新的適用于微處理器的 TensorFlow Lite ，歡迎了解 TensorFlow 微控制器挑戰(zhàn)賽。務(wù)必也要查看后續(xù)步驟中的 TinyML 研討會(huì)視頻。

Google Cloud

Vertex AI：Google Cloud 上的托管式 ML 新平臺(tái)

ML 模型只有在您將其實(shí)際投入生產(chǎn)時(shí)才具有價(jià)值。如您所知，有效且大規(guī)模地實(shí)現(xiàn)生產(chǎn)化可能具有挑戰(zhàn)性。正因如此，Google Cloud 即將發(fā)布 Vertex AI，這是一個(gè)新的托管式機(jī)器學(xué)習(xí)平臺(tái)，能夠幫助您更快地進(jìn)行實(shí)驗(yàn)和 AI 模型的部署。Vertex AI 的工具涉及開(kāi)發(fā)者工作流的各個(gè)階段，從為數(shù)據(jù)加標(biāo)簽到使用筆記本電腦和模型，再到預(yù)測(cè)工具和持續(xù)監(jiān)控，全都整合在一個(gè)界面中。盡管您可能已經(jīng)熟悉其中許多內(nèi)容，但 Vertex AI 真正與眾不同的是它引入了新的 MLOps 功能?，F(xiàn)在，您可以使用我們的 MLOps 工具（例如 Vertex 流水線和 Vertex 功能商店）放心地管理模型，讓可靠自助模型的維護(hù)和可重復(fù)性變得不那么復(fù)雜。

Vertex AI

https://cloud.google.com/vertex-ai

TensorFlow Cloud：從本地模型構(gòu)建轉(zhuǎn)換成云端分布式訓(xùn)練

TensorFlow Cloud 提供的 API 有助于輕松地將本地模型構(gòu)建和調(diào)試轉(zhuǎn)換成在 Google Cloud 上分布式訓(xùn)練和超參數(shù)調(diào)節(jié)。您可以直接從 Colab 或 Kaggle Notebook 內(nèi)部，或是本地腳本文件發(fā)送模型，以在云端進(jìn)行調(diào)整或訓(xùn)練，而無(wú)需使用 Cloud Console。我們近期新增一個(gè)網(wǎng)站和幾個(gè)功能。如果您想了解詳情，請(qǐng)務(wù)必查看。

本文僅介紹了 2021 年 Google I/O 大會(huì)上分享的一小部分內(nèi)容。您可以在此播放列表中查找所有 TensorFlow 會(huì)議，各場(chǎng)會(huì)議的主題為：

原文標(biāo)題：一起看 I/O | TensorFlow 的最新資訊，一文全掌握

文章出處：【微信公眾號(hào)：谷歌開(kāi)發(fā)者】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq