从追踪海牛到分拣黄瓜，TensorFlow 一年竟然做了这么多事！_【谷歌黑板报】

TensorFlow，HappyBirthday！一起来看看机器学习平台TensorFlow宣布开源的一年中都有哪些新贡献吧！...

TensorFlow，Happy Birthday！一起来看看机器学习平台 TensorFlow 宣布开源的一年中都有哪些新贡献吧！

Google Brain 团队的机器学习开源项目 TensorFlow 今天迎来了一周岁生日！

这个自从宣布开源起就异常活跃的项目吸引了包括 Google 员工、外部研究员、独立程序员以及供职于其他组织的高级开发人员在内的专业人士的加入，现在已经成为了 GitHub 上最受欢迎的机器学习项目。

在十二个月的时间里，Google Brain 团队对 TensorFlow 不断的进行优化，在 GitHub 上回答了成千上万的问题。现在人们已经可以通过不同的硬件和操作系统访问 TensorFlow，其代码库和模型库也被运用到了方方面面。

今天就带大家一起回顾一下 TensorFlow 开源一年以来做了哪些事情吧：

澳洲濒危海牛追踪

像很多大型海洋哺乳动物一样，可爱的海牛面临着濒危的境地。为更好地保护它们以及它们的栖息地，野生动物保护者们需要对它们的数量与位置进行追踪研究。但在茫茫大海中要如何寻找海牛的踪迹？

研究员们用高清航拍图来追踪海牛。但航拍图片的尺寸和数量都非常庞大，要用肉眼来一一搜索、标记并计数实在是太困难了。下图是其中一张航拍照片，你能找到海牛在哪里吗？

提示：中间靠下位置的银灰色小点就是一只海牛

最终，研究员们利用 TensorFlow 的最新图像识别技术，让电脑“学会”了识别巨型航拍图中的海牛。目前的进展十分令人欣喜：机器识别的速度远远超过了人工，精度也是肉眼的 1.4 倍！

Google 神经网络机器翻译

由于语言的复杂性，不同语言间翻译的误差问题一直是机器翻译需要攻克的难点。

TensorFlow 和 Tensor Processing Units （TPUs）为 Google 神经网络机器翻译（GNMT：Google Neural Machine Translate）模型特别打造硬件加速器，通过不再将句子中的词和短语独立翻译，而是对完整句子整体处理，将翻译误差降低了 55% ~ 85%。

黄瓜智能分拣储存系统

日本的一位菜农使用 TensorFlow 为他收获的大量黄瓜建立了一个自动分拣储存系统。自动拍摄图片后，首先图片会被上传到一个小型 TensorFlow 神经网络系统上被分析，以识别图片内容是否是一根黄瓜。随后图片会被上传到一个更大的神经网络系统来进行更进一步的分析，从而将黄瓜按颜色、大小的不同，自动分拣成多达九个不同的品质级别。

除在提到的这些领域的成就之外，TensorFlow的模型库和代码库也被用到了诸如协助诊断帕金森综合症，和火车定位等诸多会真切帮助到人们生活的项目中。其在艺术领域的探索也不容忽视：在一个项目中，电脑通过机器学习已经可以谱写乐曲了！

TensorFlow 项目的飞速发展离不开贡献者的支持。衷心感谢在这一年中已经在尖端产品、研究项目、创业公司和学校项目中采用了 TensorFlow 的人们。