tensorflow roadshow 全球巡回演讲 会议总结

非常荣幸有机会来到清华大学的李兆基楼，去参加 tensorflow的全球巡回。本次主要介绍tf2.0的新特性和新操作。

1. 首先，tensorflow的操作过程和机器学习的正常步骤一样，（speaker: google产品经理）如图：

　　

2.　接下来是 google tf 研发工程师，对tf2.0的新特性进行了部分讲解。

　　　　（注：eager是采用一种交互式的环境，类同于anaconda的web交互式编程）

　　             

　　

　　tf还使用了分布式策略，解决单机无法解决的资源问题。

　　

　　

　　之后他也进行了tf架构的简述，经过tf训练形成的Model，可以嵌入到任何设备，包括 服务器的tensorflow serving和手机，微处理器等tensorflow lite装备。同时也支持前端，不需要网络传输，再去后端进行一系列的繁琐操作，快速的响应的tensorflow js。

　　

　　其中，tf还包括很对库，本人对tf,text较着重介绍。（tf.text -> 自然语言处理，第三部分讲，是另一个人）

　　

　　之后，她对如何从tf1.0升级到2.0进行了说明（自动转化脚本可以讲1.0的代码直接升级到2.0）

　　

　　具体很多细节可以参看tf的官网。

　　

3。之后是另一个google tf的研发工程师，对tf,text进行详细的解释

　　

　　   

　　情感分析：

　　　　

4.  之后又介绍了tf.lite

　　通过在服务器训练的模型，怎么移植到手机端？

　　

　　

　　

5.之后介绍了tf的分布式。

　　大致的策略是:每个机器的训练，经过固定迭代或者每个迭代，或者固定时间，将每个机器的误差汇总进行平均，计算完成后再统一对每个机器进行更新这一相同的值，之后再进行这一反复迭代的过程

　　

　　

　　主要有这样几个分布式：单机多GPU,多机单GPU，多机多GPU