作为全球最流行的开源深度学习框架之一，Tensorflow（TF）在不到 5 年的时间里已经陆续蜕变为 TF1.X、TF2.X 等版本，再加上最近诸如 PyTorch、MXNet 等框架崛起，这些崛起的潮流都在加速 TF 家族的发展。今天我们来一起深入了解一下TF家族三代。
TF 家族三代的话题首先要说到的是“跨平台”。TF 家族三代支持了移动终端、嵌入式设备、Web 等多个平台，以及其它语言如 Go、Java、Swift 在内的多种语言接口。支持多平台是 TensorFlow Lite、TensorFlow.js 等产品的主要优势，这也是为企业与开发者提供了更便捷的服务。
其次是“可视化”。TensorFlow 2 的主要突破在于 Keras 库的完全整合，扩展为下一代深度学习库，实现了全方位的 API 设计、统一的卷积神经网络和循环神经网络等基础算法的高效实现。
预测能力的强化也是 TF 家族三代的重要发展方向之一。针对深度神经网络在推理方面的优化和改进，Google 推出了 TensorRT-Inference，使用其可实现在效率上的大幅提升。
在实际生产环境下部署深度学习模型是使用 TensorFlow 的最终目标之一。TensorFlow Serving 在现有的模型训练和推理之间提供了接口，可以帮助将训练好的模型迁移到预测的服务器上，使之服务化，并支持跨平台、多版本管理等功能。
有了 TF 家族三代的推进，为人工智能应用的创新，以及新应用和业务模式的孵化，都进一步赋能。
