TensorFlow 团队发布
2019 年对于 TensorFlow 来说是令人兴奋的一年。从发布 TensorFlow 2.0 和几个产品更新，到在 11 个不同国家举办全球巡回展以及首届 TensorFlow World，今年突出了 TensorFlow 如何帮助全球的开发人员、研究人员和企业使用 ML 解决具有挑战性的现实世界问题。随着 TensorFlow 今年步入第 4 个年头，我们回顾了一些我们的努力，以及我们在 2020 年期待的事情。
TensorFlow Dev Summit 2019 & TensorFlow 2.0 我们在位于加州桑尼维尔的
第三届年度开发者峰会 上开启了这一年。有超过 1000 名与会者，通过
直播 有数千人观看，这是我们迄今为止规模最大的 Dev Summit。我们宣布了
TensorFlow 2.0 的 alpha 版本，这是迄今为止该平台最大的版本，它使构建 ML 系统变得更加容易。
我们还宣布了与
deeplearning.ai （在 Coursera 上）和
Udacity 的新教育资源和合作关系，以创建课程来帮助培训下一代 ML 用户。
VIDEO
使用 TensorFlow 进行设备上 ML 2019 年对于在设备上运行 TensorFlow 来说是重要的一年。它为各种应用提供支持，从可以帮助测量
空气质量 的应用程序，到
Coral Dev Boards ，甚至在
I/O 大会上的现场演示。对于 TensorFlow Lite 更新，我们在模型优化工具包中添加了训练后
float16 量化 和一个新的
剪枝 API ，以及发布了
指南 用于在
微控制器 上使用 TensorFlow Lite。
随着 ML 在许多不同的平台和设备上运行，我们很高兴宣布
MLIR ，这是一个灵活的基础架构，可以解决日益增长的软件和硬件碎片化带来的复杂性，并使构建 AI 应用程序变得更加容易。
TensorFlow 路演 为了与全球的本地社区建立联系，我们访问了 11 个不同的城市，举办了 TensorFlow 路演，这是一个 TensorFlow 社区聚会，用于讨论发展趋势和分享社区亮点。我们希望您能够参加其中一个，但如果没有，请务必通过
论坛 、
用户组 和
特殊兴趣小组 (SIG) 参与其中。请关注我们的
Twitter ，看看 TensorFlow 路演明年是否会到您的城市！
社区更新 TensorFlow 社区使 TensorFlow 成为世界上最受欢迎的 ML 平台之一，在 2019 年，他们为生态系统做出了很多贡献！从
在 Stack Overflow 上回答问题 ，到积极地在
Twitter (@tensorflow) 上与用户互动，到帮助
翻译文档 和创建
特殊兴趣小组 ，社区今年为 TensorFlow 生态系统的所有方面做出了重大贡献。我们还想确保通过重新设计
tensorflow.org 、翻译文档以及推出新的
博客 来改善开发者体验，从而支持他们的努力。
Devpost 上的 #TFWorld 2.0 挑战赛
我们首次参加了
Google Code-in ，这是一个全球性的在线竞赛，旨在向青少年介绍开源开发的世界。我们还将在 DevPost 上推出一个新的
2.0 黑客马拉松 ，让您分享您最新的和最棒的项目，并赢取奖品。此外，我们与 Kaggle 合作举办了
比赛 ，挑战您进行问答任务。该比赛于 1 月 22 日结束，祝您好运，我们将在
TensorFlow 开发者峰会 2020 上介绍获胜者。
TensorFlow 2.0 正式发布 继 Dev Summit 2019 上宣布 alpha 版本之后，我们在 9 月份很高兴地
正式发布 TensorFlow 2.0 ！这是社区告诉我们他们想要在一个易于使用且可在任何设备上运行的平台中的精华。
附加组件和扩展是 TensorFlow 生态系统的重要组成部分，因此我们希望确保它们也与 2.0 兼容。您现在可以使用流行的库，例如
TF Probability 、
TF Agents 和
TF Text with 2.0 。我们还引入了一系列新库，以更实用的方式帮助研究人员和 ML 从业人员，例如
神经结构化学习 和新的
公平性指标 附加组件。
VIDEO
使用 TensorFlow 1.x 并希望转换为 2.0？我们的团队创建了
迁移指南 和关于
如何有效使用 TensorFlow 2.0 的指南。
TensorFlow World 我们在圣克拉拉会议中心与 O’Reilly Media 合作举办了首届 TensorFlow World，为这一年画上了圆满的句号。该活动吸引了超过 1000 名机器学习爱好者参加，并有数千人通过直播观看。
VIDEO
该活动包括为期两天的技术培训和为期两天的主题演讲。在活动中，我们做了一些令人振奋的宣布，包括
TensorFlow Hub 和 TensorBoard.dev 的更新 我们更新了
TensorFlow Hub 体验，使其更加直观，您可以在其中找到 TensorFlow 生态系统中的所有预训练模型，例如
BERT 。这意味着您可以找到与图像、文本、视频等相关的模型，这些模型可以立即与 TensorFlow Lite 和 TensorFlow.js 一起使用。
TensorBoard 是 TensorFlow 的可视化工具包，它可以帮助任何人详细分析他们的 ML 实验。在 TensorFlow World 上，我们宣布了
TensorBoard.dev ，这是一个托管的 TensorBoard 体验，允许您上传和与任何人共享您的 ML 实验结果。您现在可以免费托管和跟踪所有 ML 实验，并轻松共享它们——无需设置。只需简单地上传您的日志并创建一个 URL 即可！
新的教育资源 TensorFlow.org 上新的
学习 ML 页面 提供书籍、课程和视频，帮助用户提高 ML 知识并学习如何将其应用于他们的项目。此外，我们宣布了一个新的 4 门课程的专业化课程
“TensorFlow：数据和部署” ，该课程现在已在 Coursera 上与
deeplearning.ai 一起提供。
可信合作伙伴试点计划 对于企业来说，找到合适的资源来实施 ML 解决方案可能很困难。为了提供帮助，我们推出了
TensorFlow 可信合作伙伴试点计划 。TensorFlow 可信合作伙伴试点计划将由 TensorFlow 团队验证的系统集成商与正在开始使用 ML 的企业联系起来。我们目前的可信合作伙伴包括 Accenture、Cognizant、Quantiphi 和 Wipro。
TensorFlow 2.1 首个候选版本现已推出 在 11 月，我们宣布了 TensorFlow 2.1 的 RC 版本，它以重大改进和错误修复延续了 TensorFlow 2.0 的势头。有关更多详细信息，您可以在 GitHub 上找到
发行说明 。在 2.1 中，TensorFlow 现在支持 Cloud TPU。这意味着对于高性能训练场景，您现在可以使用
分布式策略 API 进行分布式训练，只需少量代码更改即可获得出色的开箱即用性能，现在可以在 Cloud TPU 上实现。查看分布式训练
指南 以获取更多详细信息。
2.1 还包括一个 pip 软件包，用于在具有和不具有 NVIDIA GPU 的 Linux 和 Windows 机器上默认提供 GPU 支持。此外，TensorFlow 现在支持 CUDA 10.1，并且在 GPU 和 Cloud TPU 上都提供
混合精度支持。
TensorRT 6.0 现在已得到支持并默认启用，这将为 TensorFlow 操作提供更多支持。
展望 2020 年 在过去的一年中取得如此巨大的成功，TensorFlow 在 2020 年将走向何方？如果您想提供反馈，请填写这份
简短表格 ，以便我们能够与您联系以了解功能需求和生态系统的相关部分。
我们还有更多精彩活动即将到来，我们很乐意与您面对面交流！请务必注册我们的每月
时事通讯 ，以随时了解产品、活动和社区更新。以下列出了重要的活动日期
截至 12 月 31 日： DevPost 上的 2.0 黑客马拉松 DevPost 截至 1 月 23 日： Google Code-In 3 月 11-12 日： Dev Summit 2020。请务必 索取邀请函 ！10 月 19-22 日： TensorFlow World来自 TensorFlow 团队的每一个人，感谢你们！从你们的尖端研究到雄心勃勃的项目，再到现实世界中的应用，社区不断发展和改进 TensorFlow，造福所有人。没有大家的贡献，我们为全球机器学习用户提供信息、启发和赋能的愿景将无法实现。我们迫不及待地想看到全球机器学习社区在未来几年如何改进 TensorFlow。祝大家再过四个美好年！
