谷歌官方解读：TensorFlow 2.0哪些新特性值得关注？【马哥教育新闻快报352期】
各位小伙伴下午好，今天是2019年1月17日，这里是马哥教育新闻快报352期。
本期重点关注： 谷歌官方解读：TensorFlow 2.0哪些新特性值得关注？
【快报内容】
1. 美国司法部： 谷歌官方解读：TensorFlow 2.0哪些新特性值得关注？
AI 前线导读：2018 年 11 月，TensorFlow 在庆祝 3 岁生日时回顾了其多年来增加的功能。 对于即将发布的 TensorFlow 2.0，TensorFlow 团队感到非常兴奋。相比于旧版本，这个被团队视为另一重要里程碑的版本又新增了哪些功能呢？
TensorFlow 2.0 将专注于简单性和易用性，具体更新包括：
- 使用 Keras 和 eager execution 轻松建模。
- 在任何平台生产中部署强大的模型。
- 强大的研究实验。
- 清理弃用的 API，减少重复，简化 API。
在过去几年中，我们为 TensorFlow 添加了许多组件。TensorFlow 2.0 将这些组件打包成一个综合平台，支持从训练到部署的整个机器学习工作流程。
注意：虽然此图的训练部分侧重于 Python API，但 TensorFlow.js 也支持训练模型。TensorFlow 2.0 还对其他语言有不同程度的支持，包括 Swift、R 和 Julia。
更简单地创建模型
在最近的博客文章（https://medium.com/tensorflow/standardizing-on-keras-guidance-on-high-level-apis-in-tensorflow-2-0-bad2b04c819a）中，我们宣布 Keras 是一个用户友好的机器学习 API 标准，并将成为用于构建和训练模型最重要的高级 API。Keras API 让你可以轻松开始使用 TensorFlow。重要的是，Keras 提供了一些模型创建 API（顺序、功能和子类），让用户可以为项目选择合适的抽象级别。TensorFlow 的实现增强包括 eager execution、快速迭代和直接调试，以及用于构建可扩展输入管道的 tf.data。
以下为示例工作流程（在接下来的几个月中，我们将努力更新链接的中指南）：
- 使用 tf.data 加载数据；使用由 tf.data 创建的输入管道读取训练数据；使用 tf.feature_column 描述特征特点，例如分段和特征交叉；支持来自内存数据的便捷输入（例如，NumPy）。
- 使用 tf.keras 或预先做好的评估器构建、训练和验证你的模型。 Keras 与 TensorFlow 的其余部分紧密集成，因此可以随时访问 TensorFlow 的功能。还可以直接使用一组标准的打包模型（例如，线性或逻辑回归、梯度提升树、随机森林，用 tf.estimator API 实现）。如果你不想从头开始训练模型，不久之后你就可以用迁移学习来训练使用 TensorFlow Hub 模块的 Keras 或评估器模型。
- 运行 eager execution 和调试，然后使用 tf.function（图形）。默认情况下，TensorFlow 2.0 以 eager execution 的方式运行，以便于使用和调试。此外，tf.function 注释将你的 Python 程序完全透明地转换为 TensorFlow 图形。此过程保留了 1.x TensorFlow 基于图形运行的所有优点：在性能优化、远程运行和轻松序列化、导出和部署的同时，使用简单的 Python 让程序表达更加灵活易用。
- 使用分布策略进行分布式训练。对于大型机器学习训练任务，分布式策略 API 可以轻松地在不同硬件配置上分发和训练模型，而无需更改模型定义。由于 TensorFlow 支持各种硬件加速器，如 CPU、GPU 和 TPU，因此你可以将训练工作负载分配到单节点 / 多加速器以及多节点 / 多加速器配置（包括 TPU Pod）。此 API 支持各种群集配置，还提供在本地或云环境中部署 Kubernetes 群集训练的模板。导出到 SavedModel。 TensorFlow 将 SavedModel 标准化并作为 TensorFlow Serving、TensorFlow Lite、TensorFlow.js、TensorFlow Hub 等的交换格式。
在任何平台生产中部署模型
TensorFlow 一直以来都可以直接用于生产。无论是在服务器、边缘设备还是 Web 上，TensorFlow 都可以让你轻松地训练和部署模型，无论使用何种语言或平台。在 TensorFlow 2.0 中，我们通过标准化交换格式和对齐 API 来提高跨平台和组件的兼容性和匹配性。
训练并保存模型后，你可以直接在应用程序中运行，也可以使用以下任意一个部署库为其提供服务：
- TensorFlow Serving：TensorFlow 库，可以通过 HTTP / REST 或 gRPC / 协议缓冲区提供模型。
- TensorFlow Lite：TensorFlow 针对移动和嵌入式设备的轻量级解决方案，提供了在 Android、iOS 和嵌入式系统（如 Raspberry Pi 和 Edge TPU）上部署模型的功能。
- TensorFlow.js：让开发者可以在 JavaScript 环境中部署模型，例如通过 Node.js 在 Web 浏览器或服务器端部署模型。TensorFlow.js 还支持使用类似 Keras 的 API 在 JavaScript 中定义模型并直接在 Web 浏览器中进行训练。
TensorFlow 还支持其他语言（其中一些由更广泛的社区维护），包括 C、Java、Go、C＃、Rust、Julia、R 等。
强大的研究实验
TensorFlow 可以轻松地把新创意转换为代码。TensorFlow 2.0 集成了许多功能，可以在不牺牲速度或性能的情况下定义和训练最先进的模型：
- Keras Functional API 和 Model Subclassing API：允许创建复杂的拓扑，包括使用残差层、自定义多输入 / 输出模型以及命令式写入的前向传递。
- 自定义训练逻辑：使用 tf.GradientTape 和 tf.custom_gradient 对梯度计算进行细粒度控制。
- 为了更灵活和易于控制，旧版本的 TensorFlow API 可以一直继续使用，并与更高级别的抽象结合，以实现完全可定制的逻辑。
TensorFlow 2.0 新增了一些功能，让研究人员和高级用户可以进行实验，使用丰富的扩展，如 Ragged Tensors、TensorFlow Probability、Tensor2Tensor 等。
除了这些功能外，TensorFlow 还提供了让原型设计和调试更简单的 eager execution，分发策略 API 和 AutoGraph，可以进行大规模训练并支持 TPU，使 TensorFlow 2.0 成为一个易于使用、可定制、高度可扩展，可以运行并将最先进机器学习研究转化为实际生产的平台。
TensorFlow 1.x 和 2.0 之间的差异
自从首次开源以来， TensorFlow 已经有许多版本和 API 迭代。TensorFlow 2.0 可以基于语义版本控制（semantic versioning https://semver.org/）清理和模块化平台。
以下是一些较大的变化：
- 删除队列运行器以支持 tf.data。
- 删除图表集合。
- 变量处理方式的变化 https://github.com/tensorflow/community/pull/11
- 移动和重命名 API 符号 https://github.com/tensorflow/community/pull/16
此外，tf.contrib 将从核心 TensorFlow 存储库和构建过程中删除。TensorFlow 的 contrib 模块不断增长，单个存储库已经难以维护和支持。较大的项目可以更好地进行单独维护，而较小的扩展将逐渐转向核心 TensorFlow 代码。我们还创建了一个特殊族群（SIG，special interest group）来维护并进一步开发一些更重要的贡献项目。
如果你有兴趣参与，请参与此 RFC：https://github.com/tensorflow/community/pull/37。
兼容性和连续性
为了简化 TensorFlow 2.0 迁移，我们提供了一个转换工具，它可以更新 TensorFlow 1.x Python 代码，以兼容 TensorFlow 2.0 API，或者标记代码无法自动转换的情况。
并非所有更改都可以完全自动完成。例如，某些已弃用的 API 没有替换项。这就是我们引入 tensorflow.compat.v1 兼容性模块的原因，该模块保留了对完整 TensorFlow 1.x API（不包括 tf.contrib）的支持。该模块将在 TensorFlow 2.x 的生命周期内运行，让使用 TensorFlow 1.x 编写的代码继续运作。
此外，SavedModels 或存储的 GraphDefs 将向后兼容。使用 1.x 版本保存的 SavedModels 仍可以在 2.x 中加载和执行。但是，2.0 中的变更可能会导致原始检查点中的变量名称更改，因此，无法保证 2.0 之前版本的检查点正常工作。有关详细信息，请参阅 Effective TensorFlow 2.0 指南 https://github.com/tensorflow/docs/blob/master/site/en/r2/guide/effective_tf2.md。
我们相信，TensorFlow 2.0 将为社区带来巨大的利益，并投入大量精力让转换变得尽可能简单。但是，我们也认识到，迁移当前的管道需要时间。因此，我们将在最后的 1.x 版本中提供 12 个月的安全补丁，以便现有用户有充足的时间进行过渡。
TensorFlow 2.0 时间表
TensorFlow 2.0 将于今年年初发布公开预览版。但为什么要等呢？现在，你已经可以通过使用 tf.keras 和 eager execution，预打包模型和部署库来开发 TensorFlow 2.0。分发策略 API 目前已部分可用。
我们对 TensorFlow 2.0 以及即将发生的变化感到非常兴奋。TensorFlow 已经从一个深度学习软件库开发，成长为适用于所有类型机器学习的整个生态系统。TensorFlow 2.0 将变得简单易用，适用于所有平台上的所有用户。
2. 微盟集团上市次日跌近17% 腾讯系次新股多数破发
在新经济企业估值泡沫破裂和境内外资本市场异常波动的外部环境下，近期港股市场的新经济股表现低迷。1 月 15 日，在港交所敲响了上市钟声的微盟集团，为腾讯系再添新军，不过昨日微盟集团股价大跌近 17%，难逃近期次新股破发的“魔咒”。
事实上，去年以来在港股上市的次新股多数破发，即使是大名鼎鼎的腾讯系上市公司也纷纷中招，不能幸免。
微盟集团股价跳水
微盟集团一直被外界认为要做中国的 Salesforce，其成立于 2013 年 4 月，目前是中国中小企业云端商业及营销解决方案提供商，也是腾讯社交网络服务平台中小企业精准营销服务提供商。
知名国际调研机构 Frost & Sullivan 报告显示，按 2017 年收益及付费商户数量计，微盟集团是微信上最大的中小企业第三方服务提供商，市场份额 15.3%。作为微信生态最大服务商，微盟不仅业务上与腾讯息息相关，同时腾讯也是股东之一。公开资料显示，腾讯通过 Tencent Mobility 持有微盟约 3.431%。
对于与腾讯的关系，微盟集团联合创始人兼高级副总裁游凤椿在上市仪式后表示，目前与腾讯在社交广告及第三方开发服务上都有深度合作，预计未来会在小程序及大数据上有更深度的协同。他相信，只要更融入腾讯生态及有更多的协同，未来双方的合作亦会更稳固。
微盟的基石投资者包括上海双创基金全资控股的上海文棠、万达控股的丙晟科技和汇付天下。资料显示，丙晟科技是由万达、腾讯、高朋联合成立的专注于智慧商业的合资公司。游凤椿表示，与丙晟科技会在智能零售的数字化上有深度合作。
在腾讯以外，微盟此次 IPO 的背后还有一个豪华的股东阵容，如 GIC (新加坡政府主权基金)、凯欣资本、国和投资、SIG 等，较强的股东阵容使微盟集团的发售获得了投资者的青睐，其中国际发售获超额认购，占全球发售股份总数约 92.1%。微盟上市第一天股价表现也令人惊喜，与多数新经济企业上市首日破发相比，微盟上市首日开盘价较发行价大幅上涨，盘中更是一度涨 22.15%，最终收报 2.93 港元，上涨 4.64%。
不过，近来新经济股寒风凛冽，微盟也难以独善其身，在昨日午后其股价快速跳水，一度跌幅接近 30%，收盘跌 16.72%，报 2.44 港元，已跌破 2.8 港元发行价，成交额放大至 2.38 亿港元。
腾讯系个股多数破发
港交所修订后的主板《上市规则》在 2018 年 4 月正式生效，为新经济公司的上市提供了更大的可能性。
事实上，从 2017 年底开始，腾讯系企业就开始密集上市，掀起新经济公司上市的小高潮。其中，2017 年 9 月至 11 月上市的有众安在线、易鑫集团和阅文集团，而在 2018 年内地公司赴港上市浪潮中，有 14 家公司闪现腾讯的身影，其中包括映客、小米集团、美团点评、同程艺龙、华兴资本、海底捞、梦创天地等。
从股价表现来看，腾讯参股的赴港上市公司多数已经破发，股价“潜水”。其中易鑫集团破发幅度最大，目前收盘价较发行价大跌 75%。众安在线、阅文集团破发幅度分别为 56% 和 35%。美团点评于 2018 年 9 月上市，是去年港股市场上最为令人瞩目的腾讯系公司之一，其发行价为 69 港元，昨日收盘价为 44.6 港元，破发幅度也达到 35%。根据招股书的信息显示，腾讯是美团的最大股东，总持股比例约 20%，但大部分是B类股，腾讯实际只占据有不到 10% 的投票权。
不过，尽管新经济股的寒冬仍未过去，但腾讯系公司并未放缓上市的步伐。据市场消息，腾讯参股投资的内地最大在线电影票务服务平台猫眼娱乐已进行上市聆讯，最快于本月内上市，预计集资 3 亿美元至 4 亿美元。
根据猫眼娱乐去年 9 月的申请文件显示，腾讯持股 16.27%，美团点评持股 8.56%。截至 2018 年 6 月底的半年，猫眼娱乐收益 18.95 亿元人民币，按年增长超过一倍；亏损由 1.18 亿元扩至 2.31 亿元。按非国际财务准则，半年经调整亏损净额 2070 万元。
3. 多闪虚晃一枪，抖音暗度陈仓
今日头条的第一款社交工具“多闪”如期而至。按照之前的造势，业界普遍都把这款产品提高到与微信正面对抗的地位上，多闪发布之后，业内显然有着不小的落差。
而在多闪发布的同时，抖音也发布了一个新的版本。在抖音的新版里，将好友和关注单独分开，并且将相互关注的好友视频列在第一位，也增加了随拍的功能，基本上把多闪的大部分功能都平移到抖音里。
一个只有 1 万名内测名额的社交软件面世被业内热议，而日活已经达到 2.5 亿的抖音正式进入社交领域却被严重忽略了。事情正在悄悄起着变化。
多闪与抖音，QQ 与微信
头条发布的这款多闪强调是年轻人的社交软件，包括制作团队的年轻化，93 年的产品经理，团队都是 90 后。在产品上，设置了一些针对年轻人的设计，比如大头帖，很方便进行斗图等等。
此前头条的所有产品，无论是头条、西瓜视频、抖音、火山小视频、 FaceU、轻颜，都带有明显的圈层色彩。头条发布的多闪，显然没有逃脱这一规律，也非常合乎逻辑。通过年轻人切入，没有与微信正面对战，而是从自己最擅长也是资源最雄厚的年轻人群体着手，对于头条而言，是成功率最高的一个途径。
在腾讯的社交产品体系当中，QQ 与微信呈现出一个相互配合、有序承接的关系。QQ 的日活大约是微信的一半，高频的用户主要是 95 后、00 后。年轻用户之所以更多用 QQ，而不是微信，实际上和多闪所阐述的逻辑是一致的。
但年轻人总会长大，如果没有承接，基于代际的产品不可避免走向衰落。比如曾经的校友录和人人网。
因为年轻人只是一个短期存在的阶段性群体，谁都年轻过。00 社交也好，10 社交也好，年轻时候再热闹，终究会沿着大多数人的路径汇入大河，这条大河在中国移动互联网上就叫微信。不把这个大河填平，其它无非是作为支流贡献用户。
多闪之后必须有承接。
作为国民软件的抖音
在多闪发布会上，同时公布了抖音的增长情况。月活 5 亿，日活 2.5 亿，头条把抖音称为一款国民软件，也确实名符其实。
真正全民级的社交产品，必须是无色无味，如同微信 7.0 版本上所写“因为看见，所以存在”。
多闪，无论是从名字，还是软件本身，都无法承担起全民社交软件这一重任。如同腾讯 QQ 用户长大之后，会自然延伸到使用微信一样。头条接下来，也会有一款直接针对微信的产品出现，用来承接多闪的用户。
按照今日头条 CEO 陈林的说法，多闪是一个想法，应当是在春节后会公布另外一个想法。而同样的，头条也将会发布针对企业办公场景的社交工具，实现与腾讯社交产品的全面对标。也就是说，不出意外，除了多闪，头条应当会再陆续发布两款社交软件对标微信和企业微信，完成在社交软件的全面合围。而实际上，头条面向办公场景的社交工具 Lark 已经可以公开下载，只不过没有放开使用权限。
率先发布的多闪将承担起头条整个社交软件条件的试水任务，而最重点将会是下一款直接对标微信的产品，也许是传说中的“飞聊”或者“抖信”。
但更大可能，头条正面对标微信的产品就是抖音本身。今天的抖音已经达到日活 2.5 亿的规模，相对于多闪，显然更有全民社交软件的潜质。
目前的多闪仍然处在内测阶段，很多人说头条在此时推多闪，希望以此获得接下来春节的红利，但多闪目前还没有足够成熟到这一阶段。要知道，抖音也是在发布近一年之后才利用春节大爆发。
无论在交互逻辑还是产品成熟度上，对于社交市场而言，在多闪的造势下，抖音的这个新版显然被忽略了。
实际上，抖音到很有可能在春节前再推一个新版，开放多闪的视频红包功能，增加更多社交的功能，从而利用春节流量正式进入社交领域。
根据《深网》的消息，抖音的母公司字节跳动将投入可观的预算在春节期间用于拉新，当年微信红包的案例将成为多闪的重要参考对象，在支付市场发出属于字节跳动的声音。实际上，能承担起这一任务的也只有抖音本身了。
我们会看到多闪春节前虚晃一枪，而抖音在春节暗度陈仓。
4. 董明珠，再干三年
65 岁的董明珠，迎来了她在格力的新一个董事任期，为期三年。
1 月 16 日下午，格力电器召开 2019 年第一次临时股东大会，此前所提出的包括董事会换届选举在内的所有议案均获通过，董明珠成功当选格力电器第十一届非独立董事，其“好闺蜜”刘姝威也高票当选独立董事。
尽管格力电器尚未宣布新一任的董事长归属，但在董明珠成功连任董事后，连任董事长对她来说已成为近乎板上钉钉的事情。
除董明珠外，黄辉、望靖东、张伟、张军督、郭书战 6 人当选非独立董事；刘姝威、邢子文、王晓华 3 人当选为独立董事。
这份董事会名单与格力电器 1 月 1 日发布的候选名单一模一样——在候选名单出炉后，格力的股价便一路上涨，从 35.69 元涨到了今天收盘的 39.31 元，涨幅超过 10%。某种程度上来说，这也能代表市场对于董明珠的信心。
6 年分红 400 亿，业绩还得接着涨
在股东会正式开始之前，有一个有意思的小插曲。
董明珠步入会场时，现场响起了较为热烈的掌声——想必所有中小股东都还记得 2016 年格力临时股东大会上董明珠的“怒斥”——当时她在会上说，这是第一次进场时股东们没有鼓掌的股东大会。
在那场股东会上，格力电器收购银隆新能源的募集资金议案被中小股东投票否决，董明珠在会上生气地说：“格力没有亏待你们！我讲这个话一点都不过分”、“你看看上市公司有哪几个这样给你们分红的？”
今天，董明珠在演讲时自己也拿这件事来开玩笑：“我在网上看到一篇文章，说这次股东大会，大家千万别忘了鼓掌。”
董明珠的演讲中最引人关注的还是那些具体的数字。据其介绍，公司 1991 年至 2018 年累计分红 455 亿元，2012 年至 2018 年累计分红 400 亿；1991 年至 2018 年格力累计实现净利润 1284.8 亿，但就 2012 年至 2018 年的六年时间内，格力实现了 1094.9 亿元。
董明珠在现场说：“十年都在分红，一年不分红人家就要骂我。我们未来依然会坚持分红，但是我们什么时候给股东回报，是根据企业的战略规划。”
当然了，董小姐“强制推销‘的作风依然没有改变——她希望拿了分红的股东能够购买格力手机来支持格力。她说：“我的业绩增长，就证明我的手机没有不成功。我相信格力手机一定会成功。你们拿到我们的分红，就应该买格力手机支持我们。”
但董明珠给出的业绩承诺，却明显保守了许多。
她在会上提到，珠海政府对格力电器提出了 2023 年实现 6000 亿元的营收目标。以 2018 年 2000 亿元营收的基础来计算，在未来五年的时间里，格力每年的营收增长都要达到 25% 以上才能实现这一目标。
董明珠则在会上明确表示，格力每年 10% 的增长是可以保证的，50% 的增长虽然想做到，但是不能承诺。
董明珠的意思很清楚：我只给确定的承诺，不确定的部分不能轻易说。但若每年只保持 10% 的增长，6000 亿元的目标对于格力来说还很遥远。
行业判断不明，接班人也找不到
在股东会上，董明珠将格力电器的四大业务划分为空调、生活电器、高端装备和通信设备。她强调，空调依然是格力电器的主业，未来格力作为空调行业老大的地位不会变。
现场有股东表示，既然空调是格力的主业，那么由于空调与房地产行业的强关联关系，房地产行业目前处于周期性的下压阶段，是否会使得空调业务发展遭遇瓶颈？董明珠回复得斩钉截铁：“我可以告诉你，没有影响。”她还表示，企业的最大问题是创新，关键是能不能做出好的东西来，格力电器的领先技术就是未来的竞争力。
对于技术，需要看看格力的其他业务。
格力的生活电器包括冰箱、洗衣机等；高端装备包括工业机器人、数控机床等；通信设备则主要指的是格力智能手机、芯片、大数据等。说到芯片，董小姐又有金句：“为什么一说制造芯片，格力的股票就掉，这是因为我们是真干。”
但至少，“一说造芯片股票就掉”的现象显示出，二级市场对于董明珠的决策判断还不够信任，她的成果也并未给股东足够的信心。
股东会还有一个插曲值得一提。有股东提问格力电器在 2018 年实现了多少净利润，董明珠表示，2018 年格力电器的税后净利润在 260 亿以上。但在 2018 年度财务报告出来前，董事长提前披露内幕信息，此举是否涉嫌信披违规，估计又要引来一番热议。
至于万众瞩目的问题，董明珠到底要不要退休、格力到底有没有可以顶上来的接班人？董小姐在股东会现场是这样说的——
无数人在关心（我什么时候想退休），我现在就想退休，但是企业的发展必须要有延续性。上市公司没有规定什么时候退休，只要你干的好就可以继续干，最怕干不好还继续干。
（关于接班人）我心里是有评估的，谁能对格力电器未来的发展负责，这是要负责任的，这是一个非常严肃的话题。这个话题不是我说了算，而是要他干了才能算。我们尽量给平台，给机会，创造机会。
此前，虎嗅文章《董明珠没有接班人》便已提出，格力目前在董明珠之外，难以找出一个领军人物。新的接班人究竟是什么样的？我们距离这个问题的答案还有至少三年的时间。
格力的下一个三年，仍旧属于董明珠。
【今日学习必备】
【Linux面试真题】- 邮件转发代理也称邮件转发服务器，它可以使用SMTP协议，也可以使用什么协议？
A、 FTP
B、 TCP
C、 UUCP
D 、 POP
正确选项为：C
【Python面试真题】- Django重定向你是如何实现的？用的什么状态码？
使用HttpResponseRedirect
redirect和reverse
状态码：302,301
>【就业喜讯】
【学员喜讯-764期】- 从传统行业成功转行学习Linux网络班收获18W年薪 ！多努力就有多幸运！
【今日直播】
1、60分钟掌握动态站点部署，搭建Wordpress！(10:30-11:30)
2、系统开发能力对一个好的程序员的重要性！ （15:00-16:00）
【近期开班】
Linux面授班：2019年3月4日（北京）
Linux网络班：2019年1月19日（网络）
Python面授班：2019年3月18日（北京）
Python网络班：2018年12月29日（网络）