感謝各位參加我們的 2021 年線上 I/O 直播大會！雖然沒能面對面交流，但我們仍希望今年此次活動的便利性更勝以往。在本文中，我們將總結主題演講中涉及的一些更新。您可以觀看下面的主題演講視頻，并在 Google 開發(fā)者Youku頻道上找到所有主題演講的視頻。以下是按產品領域列出的一些更新摘要（視頻中還有更多產品更新要點，請務必查看）。

移動版和網站版 TensorFlow

TensorFlow Lite 運行環(huán)境將與 Google Play 服務綁定

我們在 I/O 上發(fā)布了 TensorFlow Lite 運行環(huán)境將與 Google Play 服務綁定，這意味著您無需將運行環(huán)境與應用一同發(fā)布。這可以大幅縮減您的應用軟件包。現在，您在分發(fā)模型時不必擔心運行環(huán)境。您可以立即注冊搶先體驗計劃，我們預計會在今年晚些時候全面發(fā)布。

您現在可以在網站上運行 TensorFlow Lite 模型

現在，您所有的 TensorFlow Lite 模型都可以通過瀏覽器直接在網站上運行，只需使用全新 TFLite Web API 即可，這些 API 均與 TensorFlow.js 整合。這個基于任務的 API 支持運行所有TFLite Task 庫模型，可以進行圖像分類、目標檢測、圖像分割，還可以解決許多 NLP 問題。該 API 還支持運行自定義的 TFLite 模型，只需調用簡單直觀的 TensorFlow.js 兼容 API 即可。在此特性的支持下，您可以通過單個堆棧，將您的移動設備和網站 ML 開發(fā)統(tǒng)一起來。

設備端機器學習新網站

我們知道，開發(fā)者不易找到適應 Android、Web 和 iOS 的最有效方式。正因如此，我們創(chuàng)建了新的設備端機器學習網站，以幫助您找到適合自己的方式，例如從一站式轉換至自定義模型，或從跨平臺移動設備轉換至瀏覽器內。其中包括將想法變成部署應用的途徑，并包含過程中的所有步驟。

設備端機器學習網站

http://g.co/on-device-ml

性能分析

在性能方面，我們也在努力為 Android 開發(fā)者提供更多工具。TensorFlow Lite 包括內置的 Systrace 支持，并無縫整合了 Android 10 的 Perfetto。

而且，性能改進并不僅限于 Android，對于 iOS 開發(fā)者而言，TensorFlow Lite 的內置支持基于 signpost 的性能分析。您可以在啟用跟蹤記錄選項的情況下構建應用時，運行 Xcode 性能剖析器來查看路標事件，以便您進行更深入的研究，并在執(zhí)行過程中細致地查看各個算子。

TFX

TFX 1.0：企業(yè)級正式版 ML

將您的 ML 模型從原型轉化至正式版，需要許多基礎架構。Google 創(chuàng)建 TFX 的原因在于我們需要針對 ML 產品和服務構建強大的框架，然后將其開源，以供其他人使用。其中包括對訓練模型的支持，相關模型可用于移動應用和 Web 應用，以及基于服務器的應用。

與許多合作伙伴成功推出 Beta 版后，今天我們宣布推出 TFX 1.0，已為企業(yè)級正式版 ML 做好準備。TFX 包括企業(yè)級框架所需的所有內容，包括企業(yè)級支持、安全補丁程序、問題修復，以及針對整個 1.X 發(fā)行周期提供向后兼容性。此外，TFX 還能針對在 Google Cloud 上的運行提供強大支持，以及為移動應用、Web 應用和 NLP 應用提供支持。

Responsible AI

我們還將共享許多新工具，以幫助您在使用 ML 進行開發(fā)時始終將 Responsible AI 作為首要考慮因素。

Know Your Data

Know Your Data (KYD) 是一個新工具，可幫助 ML 研究人員和產品團隊了解豐富的數據集（圖像和文本），以改善數據和模型質量，同時顯示并緩解公平性和偏向性問題。請通過上方鏈接試用交互式演示版，以了解詳情。

People + AI Guidebook 2.0

創(chuàng)建 AI 解決方案時，體現責任心的關鍵在于采用以用戶為中心的構建方式。為此，我們很高興推出 People + AI Guidebook 2.0。此更新旨在通過大量新資源（包括代碼、設計模式等等）幫助您踐行以用戶為中心的 AI 的最佳做法和指南！

還請查看我們的 Responsible AI 工具包，以更好地通過 TensorFlow 將 Responsible AI 做法整合至您的 ML 工作流中。

Keras 中的決策森林

對隨機森林和梯度提升樹的新支持

ML 不僅僅用于神經網絡。開始使用 TensorFlow 2.5 時，您可以使用熟悉的 Keras API 輕松訓練強大的決策森林模型（包括隨機森林和梯度提升樹等最受歡迎的選項）。支持許多最先進的算法，用于訓練、服務和解讀模型，以完成分類、回歸和排名的任務。就像使用 TensorFlow 訓練任何其他模型一樣，您可以使用 TF Serving 為您的決策森林提供服務。查看教程，并觀看此次會議的視頻。

適用于微控制器的 TensorFlow Lite

新的預存儲開發(fā)板、實驗和挑戰(zhàn)賽

適用于微控制器的 TensorFlow Lite 幫助您在只有數 K 字節(jié)內存的微控制器和其他設備上運行 ML 模型?，F在，您可以購買通過藍牙連接瀏覽器的預存儲 Arduino 開發(fā)板。您可以使用這些開發(fā)板來嘗試新的 Experiments With Google，以便您做出手勢，甚至創(chuàng)建自己的分類器，并運行自定義 TensorFlow 模型。如果您樂于挑戰(zhàn)，我們也在挑戰(zhàn)運行新的適用于微處理器的 TensorFlow Lite ，歡迎了解 TensorFlow 微控制器挑戰(zhàn)賽。務必也要查看后續(xù)步驟中的 TinyML 研討會視頻。

Google Cloud

Vertex AI：Google Cloud 上的托管式 ML 新平臺

ML 模型只有在您將其實際投入生產時才具有價值。如您所知，有效且大規(guī)模地實現生產化可能具有挑戰(zhàn)性。正因如此，Google Cloud 即將發(fā)布 Vertex AI，這是一個新的托管式機器學習平臺，能夠幫助您更快地進行實驗和 AI 模型的部署。Vertex AI 的工具涉及開發(fā)者工作流的各個階段，從為數據加標簽到使用筆記本電腦和模型，再到預測工具和持續(xù)監(jiān)控，全都整合在一個界面中。盡管您可能已經熟悉其中許多內容，但 Vertex AI 真正與眾不同的是它引入了新的 MLOps 功能?，F在，您可以使用我們的 MLOps 工具（例如 Vertex 流水線和 Vertex 功能商店）放心地管理模型，讓可靠自助模型的維護和可重復性變得不那么復雜。

Vertex AI

https://cloud.google.com/vertex-ai

TensorFlow Cloud：從本地模型構建轉換成云端分布式訓練

TensorFlow Cloud 提供的 API 有助于輕松地將本地模型構建和調試轉換成在 Google Cloud 上分布式訓練和超參數調節(jié)。您可以直接從 Colab 或 Kaggle Notebook 內部，或是本地腳本文件發(fā)送模型，以在云端進行調整或訓練，而無需使用 Cloud Console。我們近期新增一個網站和幾個功能。如果您想了解詳情，請務必查看。

本文僅介紹了 2021 年 Google I/O 大會上分享的一小部分內容。您可以在此播放列表中查找所有 TensorFlow 會議，各場會議的主題為：

原文標題：一起看 I/O | TensorFlow 的最新資訊，一文全掌握

文章出處：【微信公眾號：谷歌開發(fā)者】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq