庆祝 TensorFlow 5 周年的五种方式！

2020 年 11 月 14 日 谷歌开发者

回想五年前，我们开源了用于科研和生产环境的机器学习框架 TensorFlow (tensorflow.google.cn)。希望为开发者们提供最先进的机器学习工具，让更多人都可以使用 TensorFlow 进行人工智能开发。

自此，TensorFlow 成为了全球最受欢迎的机器学习库，累计下载量超过 1.6 亿次。看到这么多人使用 TensorFlow ，我们怀着惊喜和谦卑的心情，除了感谢 Google 以外，还有成千上万的用户，他们贡献了代码，编撰了教学内容，并在世界各地组织了开发者活动，以增加 TensorFlow 的影响力和不断扩大机器学习社区。

为了庆祝 TensorFlow 这五年的发展，我们想介绍一些交互式的例子，你可以从浏览器中访问，并可一键尝试，以及一些可以帮助你创建自己项目的教程。如果你是 TensorFlow 的新手，这些项目都可以帮助你了解它的功能。如果你有兴趣，并想深入了解，请关注 TensorFlow 微信公众号 (TensorFlow_official)。

来试试这些用机器学习实现的交互 demo

TensorFlow 支持多种编程语言和环境。访问下文的链接，可以通过三个交互 demo 快速了解 TensorFlow 的 JavaScript 应用。

TensorFlow.js 支持用户在浏览器中编写和运行机器学习模型。这对于保护隐私（无需将数据发送到服务器）、交互式机器学习都有重要意义。

TensorFlow.js
https://tensorflow.google.cn/js/demos

其中一个优秀用例是虹膜追踪程序，它支持无接触界面和辅助技术；你可以自己在浏览器中尝试这个模型（模型加载需要几分钟，请保持耐心）。

虹膜追踪程序
https://blog.tensorflow.org/2020/11/iris-landmark-tracking-in-browser-with-MediaPipe-and-TensorFlowJS.html

使用 MediaPipe 和 TensorFlow.js 在浏览器中实现虹膜坐标跟踪

与虹膜坐标跟踪类似，你也可以使用 TensorFlow.js 来追踪手部动作

使用 MediaPipe 和 TensorFlow.js 在浏览器中实现人脸和手部动作追踪

你只需要一个支持网络连接的摄像头，就可以完成这两个 demo，而且所有数据都在本地保存和运行。

不用写代码，也可以训练你的机器学习模型

你可以使用 Teachable Machine 训练你自己的模型（无需写代码）。这是一种快速、有趣、简单的方法，可以在浏览器中直接创建一个机器学习模型。比如，你可以训练出图像识别的模型，或用麦克风录制、生成声音的模型。

Teachable Machine
https://teachablemachine.withgoogle.com/

Teachable Machine：训练电脑识别图像、声音和姿势

进阶教程

TensorFlow 提供了一个强大的 Python 库。要想灵活运用它，可以参考适合初学者和专家的学习教程。这些教程（包含完整的、端到端的代码）涵盖了从机器学习基础，到计算机视觉和机器翻译等等科研方向，还有如何用机器学习生成艺术品的项目示例。

通过训练神经网络对花草分类的教程，可以学习图像分类

学习教程
https://tensorflow.google.cn/tutorials
图像分类
https://tensorflow.google.cn/tutorials/images/classification

在移动端应用中的 TensorFlow

TensorFlow Lite (https://tensorflow.google.cn/lite) 使您能够在移动端和小型嵌入式设备上，构建机器学习驱动的应用程序。有几位工程系的印度学生使用 TensorFlow Lite 开发了一个 Android 应用，利用智能手机摄像头，提供当地的空气质量信息。

空气检测器：用 TensorFlow Lite 预测空气质量

还可以更小！TensorFlow Lite Micro 可以让您在微控制器（手掌大小的小型计算机）上运行机器学习模型。

TensorFlow Lite Micro
https://tensorflow.google.cn/lite/microcontrollers

如何构建负责任的 AI

随着全球数十亿人大规模地使用以机器学习驱动的产品和服务，负责任地设计和部署这些系统变得尤其重要。TensorFlow 提供了全套打造负责任的 AI 的工具，以及最佳实践，如 What-If 工具，该工具可以测试机器学习模型在假设的不同情况下对不同的目标群体，如何有效工作。

What-If 工具
https://pair-code.github.io/what-if-tool/

入手 What-if 工具

不仅如此，TensorFlow 还提供了一套完整的工具来支持建设用于生产的机器学习系统，甚至支持量子计算的最新研究。

对我们来说，这一切都只是开始，我们非常期待即将到来的下一个五年。要了解更多关于TensorFlow 的信息，请访问 tensorflow.google.cn，关注 TensorFlow 官方微信公众号 (TensorFlow_official) ，或订阅我们在 Bilibili 的 Google中国频道 (https://bit.ly/2IzX2lM)。我们最近还和网易有道中国大学MOOC 合作，推出了《TensorFlow 入门实操课程》，助力入门 TensorFlow，欢迎小伙伴们在知乎中与我们进行互动与讨论。