作者：Marcus Chang，项目经理


Google I/O ’19 现已结束！从 5 月 7 日到 9 日，I/O 上有 13 个关于 AI 和机器学习的特定演讲。TensorFlow 在 2.0、移动和物联网设备的 AI、Swift for TensorFlow、TensorFlow Extended、TensorFlow.js、TensorFlow Graphics 等等方面都得到了很好的展示！这篇文章包含所有演讲的列表和链接。

录制视频现在可以在 TensorFlow YouTube 频道上观看（您可以找到完整的播放列表 此处）。

设备上的机器学习：选择

开发人员在使用机器学习来增强他们的移动应用程序和边缘设备时，经常会遇到许多令人困惑的选择。本演讲将消除这些选项的神秘性，向您展示如何使用 TensorFlow 训练模型，以及如何使用这些模型与 TensorFlow Lite 一起跨各种设备使用。

TensorFlow 2.0 入门

TensorFlow 2.0 来了！本演讲将分享一些针对初学者和专家的示例，并介绍 TensorFlow 1.0 和 2.0 之间的一些差异。

Swift for TensorFlow

Swift for TensorFlow 是一个用于下一代机器学习的平台，它利用诸如一流的可微分编程等创新来将深度神经网络与传统软件开发无缝集成。了解 Swift for TensorFlow 如何使高级机器学习研究更容易，以及为什么 Jeremy Howard 的 fast.ai 选择它作为其深度学习课程的最新迭代。

移动和物联网设备的 AI：TensorFlow Lite

想象一下构建一个即使您的手机离线也能听到语音命令，或者使用相机实时识别产品的应用程序。了解如何使用 TensorFlow Lite 将 AI 构建到任何设备中，无需任何 ML 经验。探索可随时在您的应用程序中使用的预训练模型库，或者根据您的需要进行自定义。您将看到如何在 Android 和 iOS 应用程序中快速添加 ML。

TensorFlow Extended (TFX)：ML 管道和模型理解

本演讲重点介绍使用 TFX 创建生产 ML 管道。使用 TFX，开发人员可以实现能够处理大型数据集（用于建模和推理）的 ML 管道。除了对大型数据集进行数据整理和特征工程外，TFX 还支持详细的模型分析和版本控制。本演讲重点介绍实现 TFX 管道以及对模型理解的当前主题进行讨论。

用于您的 JavaScript 应用程序的机器学习魔法

TensorFlow.js 是一个用于在浏览器和 Node.js 中训练和部署 ML 模型的库，它为 JavaScript 开发人员提供了独特的机会。了解 TensorFlow.js 生态系统：如何将现有的 ML 模型引入您的 JS 应用程序，使用您的数据重新训练模型，并超越浏览器进入其他 JS 平台。

联邦学习：分布式数据上的机器学习

了解联邦学习：一种在设备集群（例如 Android 手机）上训练和评估机器学习模型的技术，由中央服务器协调，而敏感的训练数据不会离开任何用户的设备。了解这种保护隐私的技术如何在 Google 产品中投入生产，以及 TensorFlow Federated 如何使研究人员和先驱能够在他们自己的数据集上模拟联邦学习。

Cloud TPU Pod：解决大型 ML 问题的 AI 超级计算

Cloud Tensor Processing Unit (TPU) 是 Google 为神经网络处理而设计的一种 ASIC。TPU 具有专门为加速 TensorFlow 训练和预测工作负载而设计的特定领域架构，并在机器学习生产使用中提供性能优势。了解 Cloud TPU 和 Cloud TPU Pod 的技术细节，以及 TensorFlow 的新功能，这些功能支持深度学习训练的大规模模型并行性。

机器学习公平性：经验教训

ML 公平性是机器学习开发中的一个重要考虑因素。本演讲介绍了 Google 通过我们的产品和研究学到的一些经验教训，以及开发人员如何在他们自己的工作中应用这些经验教训。将逐步介绍使模型性能评估和改进成为可能的技术，以及可供他们使用的资源，例如数据集和 Tensorflow 模型分析。本演讲使开发人员能够在产品开发中积极思考公平性。

机器学习从零到英雄

这是一个针对了解代码但可能不了解 ML 的人的演讲。了解机器学习的“新”范式，以及模型如何成为某些逻辑场景的替代实现，而不是编写 if/then 规则和其他代码。此回顾将指导您了解可能不熟悉的 ML 中的许多新概念，包括急切模式、训练循环、优化器和损失函数。

TF-Agents：用于 TensorFlow 的灵活强化学习库

TF-Agents 是一个简洁、模块化且经过良好测试的用于 TensorFlow 深度强化学习的开源库。本演讲涵盖了深度 RL 的最新进展，并展示了 TF-Agents 如何帮助您快速启动您的项目。您还将看到如何混合、匹配和扩展 TF-Agent 库组件以实现新的 RL 算法。

前沿 TensorFlow：新技术

自去年 IO 以来，TensorFlow 中出现了许多很棒的新事物。此回顾将带您了解 4 个最热门的东西，从 Keras Tuner 的超参数调整到概率编程，再到能够使用学习排序技术和 TF-Ranking 对数据进行排序。最后，您将查看将 3D 功能引入 TensorFlow 的 TF-Graphics。

介绍 Google Coral：构建设备上 AI

本演讲介绍了 Google Coral，一个用于设备上 AI 应用程序开发的新平台，并使用 TensorFlow 演示展示了它的 ML 加速能力。Coral 为您提供了将私有、快速且高效的神经网络加速直接引入您的设备的工具，并使您能够将 AI 应用程序的想法从原型扩展到生产。了解 Edge TPU 硬件和软件工具的技术规格以及应用程序开发流程。

TensorFlow.js 和 TensorFlow Lite 还举办了 I/O 中 ML/AI 沙盒的演示站，以展示新功能并回答在为期三天的活动期间参观圆顶的与会者提出的问题！



通过 TensorFlow.js，您可以通过使用许多 预包装模型 将 ML 的强大功能引入您的 JavaScript 应用程序，从以前训练的模型开始，并使用迁移学习 在您自己的数据上对其进行自定义，并在浏览器或使用 Node.js 的服务器端进行部署。查看一些很酷的 演示和示例 以及 教程，以帮助您入门。

TensorFlow Lite 可帮助您将 AI 引入移动应用程序和边缘设备！要了解更多信息，请访问 tensorflow.org/lite。探索我们的 Android 和 iOS 示例应用程序，下载我们的 预训练的、针对移动设备优化的 ML 模型，或了解 微控制器上的 ML。