TensorFlow换logo发布2.0版，携手吴恩达等推两门训练课程
大数据文摘编辑部出品
今天凌晨，TensorFlow开发者峰会（TensorFlow Dev Summit 2019）在美国加州桑尼维尔市Google Event Center举行，此次峰会是第三届，据媒体称这次的规模比前两次都要大。
这次大会，谷歌连发两个隐私工具、三款硬件产品，除此之外，吴恩达的新课也在大会上宣布开放注册。
先来看看几个亮点
1、发布开源机器学习框架TensorFlow 2.0 Alpha版本，新版本使用Keras高级API来简化框架的使用，许多被视为冗余的API被弃用。
2、两大主攻隐私问题的新工具TensorFlow Federated（TFF）和TensorFlow Privacy。其中，TFF作为开源框架，用于处理分散式数据。TensorFlow Privacy是一个TensorFlow机器学习框架库，目的是让开发人员更容易训练保护隐私的AI模型。
3、三个全新的硬件产品：Coral 提供完全本地的 AI 工具箱，Coral USB 加速器允许通过 USB2.0、3.0 接口轻松接入到任何 Linux 系统中。此外，还有售价24.99美元的500万像素相机配件。Coral 开发板售价为 149.99 美元，Coral USB 加速器售价为 74.99 美元。
4、继《AI for everyone》之后，吴恩达牵头为TensorFlow最新版本定制新课，题为《Tensorflow：从入门到精通》
另外一个值得注意的变化是，从2.0开始，TensorFlow的logo也不一样，从类似积木的形状变成了两个分开的字母“T”和“F”。
发布TensorFlow 2.0 Alpha版本
TensorFlow 2.0新架构简化概念图
TensorFlow 2.0的alpha版本进行了重大升级。这是由Google Brain团队创建，开发人员、研究人员和企业用于训练和部署机器学习模型，处理数据的框架。
融和了2017年2月发布TensorFlow 1.0 Keras深度学习库，TensorFlow 2.0将依赖tf.keras为其中央高级API来简化框架，许多被视为冗余的API（例如Slim和Layers API）将被淘汰。 此外，升级版本将于2019年第二季度全面发布。
TensorFlow工程总监Rajat Monga表示，自TensorFlow于2015年11月推出以来，该框架已被下载超过4100万次，目前已有超过1,800名来自世界各地的贡献者。
发布两大主攻隐私新工具 ：TensorFlow Federated和TensorFlow Privacy
TensorFlow Federated：针对分散式数据
在大会上，TensorFlow 发布了开源框架 TensorFlow Federated（TFF），据介绍它是专业用于处理分散式数据，加强机器学习。TFF的目的是促进联合学习（Federated Learning，FL）的开放性研究和实验，确保研究人员可在多个端口上训练共享的全局模型，同时能够在本地存储训练数据。例如，FL 曾被用于训练手机键盘的预测模型，同时不将敏感的隐私数据上传到服务器上。
此外，据介绍，TFF 的接口由两个层组成：Federated Learning (FL) API 和 Federated Core (FC) API。
TensorFlow Federated链接：
http://www.tensorflow.org/federated/federated_learning
TensorFlow Privacy：针对隐私
TensorFlow Privacy是一个TensorFlow机器学习框架库，目的是帮助开发人员训练AI隐私模型。用户无需有隐私以及底层机制方面的专业背景知识，因为TensorFlow Privacy对用户非常友好，用户在构建模型的时候，只需要按照官方指南，简单的修改代码，根据需要调整隐私参数即可。
TensorFlow Privacy Github地址：
http://github.com/tensorflow/privacy
此次发布会还介绍了适用于移动开发人员的TensorFlow Lite 1.0，适用于Apple程序员的TensorFlow和适用于JavaScript的TiftorFlow.js 1.0。 另外今天宣布，TensorFlow.js已经有300,000次下载和100个贡献者。
三款全新硬件产品发布
Coral 的本质构建智能设备的平台， 硬件组件就是之前谷歌发布的 ASIC——Edge TPU，开发板是个完全集成的系统，它被设计成构建在载板上的系统模块（SoM）。SoM 把强大的 NXP iMX8M SoC 与谷歌的 Edge TPU 协处理器（包括 Wi-Fi、蓝牙、RAM 和 eMMC 存储）融合在了一起。
它能为低功率设备提供机器学习推理性能，并提供完全本地的 AI 工具箱，包括硬件组件、软件工具，以及帮助开发者创造、训练、运行神经网络的模块。
Coral USB加速器包含Edge TPU、32位Arm Cortex-M0 +微处理器、16KB闪存和2KB RAM，可以在任何64位Arm或Debian Linux支持的x86平台上以USB 2.0速度运行，旨在加速现有Raspberry Pi和Linux系统的机器学习推理。
为了让计算机视觉应用原型更简单，谷歌还提供了一个摄像头连接开发板与 MIPI 接口。Omnivision为其制造相机配件，并配有一个1.4微米的传感器，标准配置为1/4英寸光学尺寸、2.5mm焦距。在功能上除了常见的白平衡、带通滤波和黑电平校准外，它还具有可调色彩饱和度、色调、伽玛、锐度、镜头校正、像素消除和噪声消除功能。
目前，这三款产品均已在谷歌的Coral店面上发售。Coral Dev Board的SOM和Coral USB加速器的PCle版本均可批量购买。
吴恩达牵头研发新课程：TensorFlow，从入门到精通
除了硬件革新，本次开发者大会上还有内容推出：Sebastian Thrun的Udacity和Andrew Ng的deeplearning.ai都推出了相关培训课程，来帮助有兴趣学习如何使用TensorFlow 2.0的初学者入门。
吴恩达在deeplearning.ai上发布了这一名为“TensorFlow: from Basics to Mastery“的课程，这是一门耗时13小时的课程，建议学习时间3-4周，目前已经开放报名。
两门课程的相关链接如下
https://www.coursera.org/learn/introduction-tensorflow/
https://classroom.udacity.com/courses/ud187