作者
周玥枫，编辑
Vincent，AI前线出品｜ID：ai-front
本文是GoogleBrain工程师周玥枫在QCon上海和DevFest上的演讲实录，由GDG整理和发布。
我的名字叫做周玥枫，我是GoogleBrain的工程师，我现在做TensorFlow和TensorFlow分布式的开发以及使用机器学习来优化TensorFlow的研究项目。
今天首先跟大家分享深度深入学习的例子，然后再跟大家简单介绍一下什么是TensorFlow，以及TensorFlow一些最新特性，包括即将公开甚至还没有完成一些的特性，如果有时间的话，我会花一些篇幅着重介绍新的特性。最后的时间我会简要介绍一下GoogleBrain两个研究项目。
MachineLearning
今天，我们看到机器学习已经改变了我们的世界，机器科学家用深度学习的方法来检测糖尿病和视网膜病变，其中检测视网膜病变达能到95%的准确率，甚至超过眼科专家91%的准确率。机器学习实现了机器和人类专家相媲美的准确率。
同时机器学习也可以用在自动驾驶方向，可以让交通更加安全和高效。
其次，机器学习能够跨越语言的障碍，实现更加便捷的沟通和交流，我们知道传统的机器翻译系统需要把不同语言词组对应起来，通过一些复杂的甚至手写的规则，把一种语言转换为一种语言，这种系统非常庞大且不利于维护，而且准确度不够高，所以最近兴起了一种基于神经网络的方法，我们将其用TensorFlow实现出来，用这种方法来缩小机器和人类翻译的差距，能够使翻译更加准确和自然。
同样的，机器学习还可以给人类带来愉悦，可以实现自动修改照片、突出人物的前景、背景虚化等功能，我们很快可以在手机上看到这个功能。
接下来看看机器学习在工业界的应用，第一个例子是INSTACART，它是做杂货当天送货服务的，顾客通过网络应用程序从当地许多零售商选出想要的商品并且购买杂货。这个软件的客户非常多。客户在购买时面临一个问题，就是从数百万计零售商店或者商品中选出自己想要的物品，所以INSTACART为了让购物者更快地找出想要的商品，用TensorFlow建立了一套深度学习模型用来最有效地排序商品列表，这种方法能大大省下购物者寻找商品的时间。
第二个例子就是UBER，UBER用TensorFlow和基于TensorFlow的开源项目来构建一个叫做“米开朗基罗”的系统，这是一个内部使用的机器学习平台，谷歌希望利用这个平台让内部使用AI就像他们请求乘车一样的方便。这个系统涵盖了从数据管理、数据获取和模型训练、评估、部署等方面，而且这个系统不但支持TensorFlow深度学习，还支持其他机器学习的模型。
第三个例子是KEWPIE，它用TensorFlow搭建了人工智能系统用来改善婴儿食品的质量，对食物产品进行人工智能分析，这样可以识别出产品中可以接受的成分并且剔除产品中不能接受的成分，这样保证了婴儿食品的质量。
WhatIsTensorFlow
而实现上述这一切所有的基础框架就是TensorFlow.
我们在年末开源了TensorFlow，希望把它做成能够服务所有人的机器学习平台。我们想要将它做成一个快速灵活的、生产环境就绪的框架。它可以很方便可以做研究，也可以很快部署到生产环境当中。TensorFlow本质上是一个大规模的运算框架，它的运算被抽象成一张运算矢量图。就像在这边看到一张运算图一样，上面的节点代表运算或者状态。当我们完成了一些运算或者结束了一些状态的时候，我们的数据就从一个节点流到另外一个节点。这个图可以用任何语言来构建，当这张图构建完之后，我们把它传到TensorFlow核心当中进行编译，进行优化然后来执行。
TensorFlow也支持很多硬件平台，从最初的CPU、GPU，到即将发布CLOUDCPU，还有对安卓、iOS的支持，甚至对嵌入式设备的支持。
我们将TensorFlow开源到Github上面后，过去两年兴起了许多围绕TensorFlow活跃的开源社区，现在我们有67,多个star，有17,多个Github项目名字当中包括TensorFlow.TensorFlow不断出现在各种大学课程和在线课程里面，很多大学也正在开发基于TensorFlow的课程，除此之外我们也发布了TensorFlow中文网站，大家把它可以当做入门TensorFlow的初级教程，叫做