在 2015 年 11 月 9 日，Google 开源了 TensorFlow，从那时起这个项目已走过了近 7 年时间。该项目如今已经获得了成千上万的开源贡献者、Google 开发者、研究人员和教育工作者的参与和支持，TensorFlow 与 PyTorch 等知名 ML 项目也几乎成为了机器学习的代名词。
![]()
根据 Google 统计，TensorFlow 目前是最常用的机器学习平台，已被数百万开发者采用。TensorFlow 也是仅次于 Vue 和 React 在 GitHub 上 Stars 数量第三多的软件仓库**（不计算编程书籍、指南等非软件仓库）**，它还是 PyPI 上下载次数最多的机器学习软件包。TensorFlow 还将机器学习扩展到了移动和 Web 领域，其中 TensorFlow Lite 现在运行在 40 亿台 Android 设备上，而 TensorFlow.js 则是每周被下载 17 万次。
Google 在近两年的 I/O 大会上一直在强调 ML/AI，ML/AI 基本上已经渗透进了 Google 各种硬件和软件服务中，TensorFlow 也支撑着包括搜索、Gmail、YouTube、地图、广告、相册等服务；而在硬件设备上，搭载 Tensor 处理器的 Pixel 则是在摄影、翻译、语音转文字等功能上充分利用了 ML/AI。
为了扩展机器学习平台的功能，并推动其进一步发展，Google 近日宣布已经开始致力于 TensorFlow 的下一次迭代，并着眼于机器学习发展的下一个十年。Google 将在 TensorFlow 一流的功能基础上，精进以下四个方面。
Google 表示：
我们的目标是提供地球上最好的机器学习平台。这款软件将把机器学习从小众变成一个和 Web 开发一样成熟的行业。
快速和可扩展
- XLA 编译：TensorFlow 的下一次迭代将专注于 XLA 编译，旨在使大多数模型训练和推理工作流程在 GPU 和 CPU 上能有更快的速度，并打算让 XLA 成为行业标准的深度学习编译器，并且作为 OpenXLA 计划的一部分，已经展开了开源合作。
- 分布式计算：Google 目前正大量投资于 DTensor，这是一个用于大规模模型并行化的新 API。DTensor 开启了超大型模型训练和部署的未来，并允许你像在单一设备上训练一样开发你的模型，甚至在使用多个客户端时也可以。DTensor 将与 tf.distribution API 统一起来，允许灵活的模型和数据并行化。
- 性能优化：除了编译，TensorFlow 还将进一步投资于算法性能优化技术，如混合精度（mixed-precision）和降低数值精度（reduced-precision）计算，这可以在 GPU 和 TPU 上提供可观的速度提升。
应用 ML
- 用于 CV 和 NLP 的新工具：Google 正在投资于应用 ML 的生态，特别是 KerasCV 和 KerasNLP 软件包，它们为应用 CV 和 NLP 的使用案例提供模块化和可组合的组件，包括大量最先进的预训练模型。
- 开发者资源：正在为热门和新兴的应用 ML 用例增加更多的代码示例、指南和文档。目标是尽可能地降低 ML 的准入门槛，并把它变成每个开发人员手中的工具。
随时可以部署
- 更容易导出：TensorFlow 的下一次迭代将使其更容易导出到移动端（Android 或 iOS）、边缘（微控制器）、服务器后端或 JavaScript。将模型导出到 TFLite 和 TF.js 并优化其推理性能将像调用
model.export() 一样容易。
- 应用的 C++ API：正在开发一个公共的 TF2 C++ API，作为 C++ 应用程序的一部分用于本地服务器端推理。
- 部署 JAX 模型：将使开发者更容易地部署使用 JAX 与 TensorFlow Serving 开发的模型，并使用 TensorFlow Lite 和 TensorFlow.js 将其部署到移动和 Web 端。
简单性
- NumPy API：随着过去几年 ML 领域的扩展，TensorFlow 的 API surface 也在增加，但并不总是以一致或易于理解的方式增加，因此新版本将积极地整合和简化这些 API。
- 更容易调试：一个框架不仅仅是它的 API surface 构成，对它的调试同样重要。TensorFlow 的目标是通过专注于更好的调试功能，将开发任何应用 ML 系统的时间降到最低。
TensorFlow 未来将 100% 向下兼容
Google 希望 TensorFlow 能够成为机器学习行业的基石，并认为 API 的稳定性是其中最重要的一个功能。作为在产品中依赖 TensorFlow 的工程师，以及 TensorFlow 生态软件包的构建者，开发者应该能够升级到最新的 TensorFlow 版本，并立即从它的新功能和性能改进中受益，在这个过程中开发者理应不用担心现有的代码库会崩溃。因此，从 TensorFlow 2 到下一个版本将实现 100% 向下兼容，开发者的 TensorFlow 2 代码将按原样运行，无需运行转换脚本，也无需手动更改。
时间表
Google 计划在 2023 年第二季度发布新的 TensorFlow 功能的预览版，并将在同年晚些时候发布生产版本。在此期间，Google 也会定期公布最新的进展情况。开发者可以通过 TensorFlow 博客和 YouTube 频道关注进展。
