TensorFlow 团队发布
感谢所有参加我们 I/O 2021 线上直播的人！虽然我们无法亲自见面，但我们希望我们能够让此次活动比以往任何时候都更易于访问。在本文中，我们将回顾一下我们在主题演讲中分享的一些更新。您可以在下面观看主题演讲，您还可以在 TensorFlow YouTube 频道 上找到所有演讲的录制视频。以下是按产品领域发布的一些公告的总结（视频中还有更多内容，所以请务必观看）：
TensorFlow Lite 运行时将与 Google Play 服务捆绑在一起
让我们从 TensorFlow Lite 运行时将与 Google Play 服务捆绑在一起的公告开始。这意味着您无需将其与您的应用一起分发。这可以极大地减少您的应用的捆绑包大小。现在您可以分发您的模型，而无需担心运行时。您可以 报名参加 抢先体验计划，我们预计今年晚些时候全面推出。
您现在可以在 Web 上运行 TensorFlow Lite 模型
您所有的 TensorFlow Lite 模型现在都可以直接在浏览器中的 Web 上运行，可以使用新的 TFLite Web API，这些 API 与 TensorFlow.js 统一。这个基于任务的 API 支持运行所有 TFLite 任务库 模型，用于图像分类、物体检测、图像分割以及许多 NLP 问题。它还支持使用易于使用、直观的 TensorFlow.js 兼容 API 运行任意的 自定义 TFLite 模型。使用此选项，您可以使用单一栈统一您的移动和 Web ML 开发。
一个新的 On-Device Machine Learning 网站
我们了解到，最有效的开发者路径来接触 Android、Web 和 iOS 并不总是最明显的。这就是我们创建新的 On-Device Machine Learning 网站 的原因，以帮助您浏览您的选项，从交钥匙模型到定制模型，从跨平台移动到浏览器内。它包括从想法到部署应用的路径，以及所有中间步骤。
性能分析
在性能方面，我们还在为 Android 开发人员开发额外的工具。 TensorFlow Lite 包括对 Systrace 的内置支持，与 Android 10 的 perfetto 无缝集成。
性能改进并不局限于 Android - 对于 iOS 开发人员，TensorFlow Lite 带有对基于 signpost 的分析的内置支持。当您使用启用了跟踪选项构建您的应用时，您可以运行 Xcode 分析器以查看 signpost 事件，让您深入了解，并查看执行期间一直到各个操作的所有内容。
TFX 1.0：企业级生产 ML
将您的 ML 模型从原型转移到生产需要大量的基础设施。Google 创建了 TFX，因为我们需要一个强大的框架来支持我们的 ML 产品和服务，然后我们将其开源，以便其他人也可以使用它。它包括支持为移动和 Web 应用程序以及基于服务器的应用程序训练模型。
在与许多合作伙伴成功进行测试版后，我们今天宣布了 TFX 1.0 - 现已准备好用于企业级生产 ML。TFX 包含企业级框架所需的一切，包括企业级支持、安全补丁、错误修复以及整个 1.X 版本周期的向后兼容性保证。它还包括对在 Google Cloud 上运行以及对移动、Web 和 NLP 应用程序的强大支持。
如果您已准备好进行生产 ML，TFX 也已准备好迎接您的挑战。访问 TFX 网站 了解更多信息。
我们还分享了一些新工具，以帮助您在使用 ML 进行开发时时刻牢记负责任的 AI。
了解您的数据
了解您的数据 (KYD) 是一种新工具，可帮助 ML 研究人员和产品团队了解丰富的数据集（图像和文本），其目标是提高数据和模型质量，以及发现和缓解公平性和偏差问题。尝试上面的交互式演示以了解更多信息。
人与 AI 指南 2.0
在您创建 AI 解决方案时，以人为本的方法进行构建是负责任地进行的关键，我们很高兴宣布 人与 AI 指南 2.0。此更新旨在帮助您将以人为本的 AI 的最佳实践和指南付诸实践，并提供大量新的资源，包括代码、设计模式等等！
还可以查看我们的 负责任的 AI 工具包，以帮助您使用 TensorFlow 将负责任的 AI 实践集成到您的 ML 工作流中。
对随机森林和梯度提升树的新支持
ML 远不止神经网络。从 TensorFlow 2.5 开始，您可以使用熟悉的 Keras API 轻松地训练功能强大的 决策森林模型（包括随机森林和梯度提升树等热门模型）。它支持用于训练、服务和解释分类、回归和排名任务的模型的许多最先进算法。您可以使用 TF Serving 来服务您的决策森林，就像使用 TensorFlow 训练的任何其他模型一样。查看教程 这里，以及来自此会议的 视频。
一块新的预刷写板、实验和挑战
适用于微控制器的 TensorFlow Lite 旨在帮助您在仅使用几 KB 内存的微控制器和其他设备上运行 ML 模型。您现在可以购买预刷写的 Arduino 板，这些板可以通过蓝牙连接到您的浏览器。您可以使用它们来尝试新的 与 Google 进行实验，让您进行手势识别，甚至创建自己的分类器并运行自定义 TensorFlow 模型。如果您对挑战感兴趣，我们还举办了一项新的适用于微控制器的 TensorFlow Lite 挑战，您可以在 这里 查看。还要确保查看下面的下一步中的 TinyML 研讨会视频。
Vertex AI：Google Cloud 上一个新的托管 ML 平台
ML 模型只有在您能够实际投入生产时才有价值。您也知道，高效且大规模地进行生产化可能很困难。这就是 Google Cloud 发布 Vertex AI 的原因，这是一个新的托管机器学习平台，可帮助您加速 AI 模型的实验和部署。Vertex AI 拥有涵盖开发人员工作流程各个阶段的工具，从数据标注到使用笔记本和模型，再到预测工具和持续监控 - 所有这些都统一到一个 UI 中。虽然您可能熟悉其中许多产品，但真正区别于 Vertex AI 的是引入了新的 MLOps 功能。您现在可以使用 Vertex Pipelines 和 Vertex Feature Store 等 MLOps 工具自信地管理您的模型，以消除健壮的自助模型维护和可重复性的复杂性。
TensorFlow Cloud：从本地模型构建过渡到云上的分布式训练
TensorFlow Cloud 提供 API，可以轻松地从本地模型构建和调试过渡到 Google Cloud 上的分布式训练和超参数调整。从 Colab 或 Kaggle Notebook 或本地脚本文件内部，您可以直接将模型发送到 Cloud 上进行调整或训练，而无需使用 Cloud Console。我们最近添加了一个 新网站 和新功能，如果您有兴趣了解更多信息，请查看。
一个新的 TensorFlow 论坛
我们创建了一个新的 TensorFlow 论坛，供您提问并与社区联系。这是一个供开发者、贡献者和用户互相交流以及与 TensorFlow 团队交流的地方。创建您的帐户并在 discuss.tensorflow.org 上加入对话。
这只是 Google I/O 2021 上分享的内容的一部分。您可以在这个 播放列表 中找到所有 TensorFlow 会议，为了方便起见，这里还提供指向每个会议的直接链接
要了解有关 TensorFlow 的更多信息，您可以查看 tensorflow.org，阅读 博客 上的其他文章，关注我们的 社交媒体，订阅我们的 YouTube 频道，或加入您附近的 TensorFlow 用户组。
2021 年 5 月 24 日 — TensorFlow 团队发布 感谢大家加入我们的虚拟 I/O 2021 直播！虽然我们无法面对面交流，但我们希望我们能够使活动比以往任何时候都更易于访问。在本文中，我们将回顾在主题演讲中分享的一些更新。您可以在下面观看主题演讲，并在 TensorFlow YouTube 频道 上找到所有演讲的录音。以下是一些…
