谷歌于2015年11月发布了全新人工智能系统TensorFlow。该系统可被用于语音识别或照片识别等多项机器深度学习领域，主要针对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。
那么为什么会产生TensorFlow系统，以及谷歌为何将其开源？这个问题可以看雷锋网文章《Google开源TensorFlow系统，这背后都有什么门道？》。
2016年4月14日，Google发布了分布式TensorFlow，版本号为0.8，这是TensorFlow发布之后的比较重大的版本更新。Google的博文介绍了TensorFlow在图像分类的任务中，在100个GPUs和不到65小时的训练时间下，达到了78%的正确率。在激烈的商业竞争中，更快的训练速度是人工智能企业的核心竞争力。而分布式TensorFlow意味着它能够真正大规模进入到人工智能产业中，产生实质的影响。
详情可以阅读雷锋网文章《开源后5个月，Google的深度学习系统都有哪些改变？》。
在2016年6月，TensorFlow发布了新版本的早期版本，版本号为0.9，增加了对iOS的支持。
随着谷歌增加了TensorFlow对iOS的支持，应用程序将能够在更聪明的神经网络功能集成到它们的应用程序，最终使它们更聪明相当能干。具体更新内容可以在《谷歌AI平台发布早期版本，并登陆iOS》中看到。
在2017年1月底，TensorFlow 终于将迎来史上最重大更新：TensorFlow 1.0。Tensorflow它已成为 GitHub 最受欢迎的机器学习开源项目。因其高度普及率，尤其是在 Python 生态圈中，TensorFlow 的功能变化会对全世界的机器学习开发者造成重大影响。
上月初，谷歌公布了 TensorFlow 1.0.0-alpha ，即 TensorFlow 1.0 的第一个“草稿”版本。近日，新的候选版本 TensorFlow 1.0.0-rc0 被发布出来，披露了更多技术细节，标志着我们离 “完全体”的 TensorFlow 1.0 更近一步。
1.0 版本不仅为 TensorFlow 机器学习函数库带来多重升级，而且为 Python 和 Java 用户使用 TensorFlow 做开发降低了难度。另外，新版本的漏洞修补也得到了改善。更有意思的是，由于对 TensorFlow 计算做优化的新编译器，在智能手机上运行基于 TensorFlow 的机器学习 APP 将成为可能。具体更新内容可以看雷锋网(公众号：雷锋网)文章《TensorFlow 1.0 要来了！它将带来哪些革命性变化？》
在2月7日谷歌通过博客正式发布了 TensorFlow Fold，该库针对 TensorFlow 1.0 框架量身打造，可以帮助深度学习开发者根据不同结构的输入数据建立动态的计算图（Dynamic Computation Graphs），简化了模型训练阶段对输入数据的预处理过程，提升了系统的运行效率。这个库的更多信息可以在《谷歌刚发布的深度学习动态计算图工具TensorFlow Fold是什么？》中看到。
本文作者：AI研习社
本文转自雷锋网禁止二次转载，原文链接