作者：Jeremy Howard，Fast Ai 和 Chris Lattner，杰出工程师

TensorFlow 团队不断创新技术，以解锁尖端研究并为生产级工作负载提供动力。我们最宝贵的进步来自与 Google 外部的领先研究团队的合作——特别是专注于创造性深度学习研究、高质量教育材料和开发者友好的直观 API 的研究人员。

Swift for TensorFlow 团队自 2019 年初以来一直在与 fast.ai 的创建者、Kaggle 前总裁 Jeremy Howard 合作。四月，Jeremy 和 Chris Lattner 共同教授了深度学习基础的两节高级课程。该课程创建了 28 个笔记本，超过一千名学生在线下和线上参加了直播课程，以提高他们的深度学习技能。今天，我们很高兴地宣布，基于录制讲座的 慕课、配套 fastai 库 以及 所有课程材料 现已公开发布！

在今年早些时候的研究中，Jeremy 发现“Swift 可以 匹配数字库供应商的手动调整汇编代码的性能”。他 表示：“Swift for TensorFlow 是我见过的第一个将可微编程深深融入到从头开始为性能而设计的广泛使用语言中的严肃尝试”。作为慕课中的一个演示，Jeremy 展示了如何在 Swift 中构建一个新的图像处理管道，并在 Jupyter 笔记本中实现出色的性能。

为了支持最新 fast.ai 课程的发布，我们还发布了 Swift for TensorFlow v0.4，其中包括：

• 支持对具有控制流的函数进行编译时自动微分。
• 一种新的原型执行模式——惰性张量——它有可能在 GPU 和 TPU 等加速器上实现更高的性能。
• 许多 新的激活函数和层，以及笔记本和教程的集合。
• 我们 模型库 中的几个新模型，包括 ResNet、Transformer 和 MiniGo。

要了解有关这些新开发的更多信息，并查看改进的完整列表，请务必查看发布说明。最后，我们更新了所有 Colab 教程 和 fast.ai 笔记本，使其与最新版本兼容。您可以在 Linux 和 macOS 上本地运行笔记本，或者 使用 Google Colab 直接在浏览器中开始使用。

请务必加入我们的 邮件列表，以及我们每个星期五太平洋时间上午 9:00 / 世界标准时间下午 4:00 的公开设计会议。会议纪要、问题和围绕即将推出的功能的讨论 也可供查看。我们对 Swift for TensorFlow 解锁的新功能感到兴奋，并迫不及待地想看看您将创造什么！