前言
刚开始报名的时候其实没有抱太大希望，在接到短信的时候可真是欣喜若狂，哈哈，然后才有了这两天极其难忘的经历。
这届大会从2019.9.10到1日共两天。地址在上海世博中心。
第一天
排队进场，人很多，真的超出了我的预期。
进来 以后就领到了胸卡，简约、硬核。
场馆很霸气
接着就进入正题了
第一个演讲： 大会开幕主旨演讲
开场演讲由谷歌大中华区总裁陈俊廷进行，看了履历，真的是个牛人。
开场当然没有多少技术的东西，令我印象深刻的是Grow with Google计划中的“百年职校”，谷歌专门招收贫困学生，教会他们网站开发等IT技能，这种人文情怀真的很令人敬佩。
第二个演讲：TensorFlow简介
来参加这次大会最主要的目的就是为了TensorFlow，作为在工业界应用最为广泛的框架，与其高层API “Keras”一直都是我的最爱，演讲的小姐姐虽然是个金发碧眼的美国人，但是汉语说得贼六，全程中文真是诚意满满，其谈到了tf在诸如“流利说”、“作业宝”、“闲鱼”等都在实际应用中使用tf作为机器学习的框架，其实在整个大会中，虽有演讲者都是在说作为“机器学习”的框架，而不是单单“深度学习”，这里我觉得体现了谷歌可能有点察觉到了dp的瓶颈所在，淡化“深化学习”，想的是扩展其在整个大的“机器学习”领域的应用性和发展前景。
原来一直只是在训练的阶段使用TensorFlow，这次大会让我真切的认识到了大公司的工业能力，与前端结合的TensorFlow.js 在移动设备和loT设备上部署的TensorFlow Lite以及针对生产的TensorFlow Extend，这些在后面都有专题演讲，后面会有专门介绍。
第三个演讲： TensorFlow主旨演讲：机器学习的现在和未来
刚开始，演讲者就提到了在近年来人工智能发展迅速的三大原因：1.计算能力的指数级别增长2.数字数据的大量增加3.各类深度学习模型的发展。随之展示了一张图片：
1990年最为先进的CPU的算力是320亿Flops,过了三十年后，谷歌最新的云TPU的算力已经达到了4200000亿Flops,增加了一万倍左右，何其可怕！不得不感叹摩尔定律的守恒，这样恐怖的算力在需要巨量并行计算的深度学习的训练过程中和对实时性要求非常高的工业领域都起到了决定性的作用。
接着谈到了语言理解能力的发展，虽然NLP不是我的主要方向，但是这点对我的震撼很大，2018年BERT已经在绝大多数指标上超过了人类，紧接着几年出来XLNet又超过了BERT。
接着宣布了TensorFlow2.0已经可用，其实早就可以用了，哈哈。不过暂时还没看到什么重大更新。
这张图真的显示了谷歌的野心，从训练到部署，从后台到前端，从传统机器到移动设备，TensorFlow，可以说做到了全覆盖。并且已经有开始支持另外各种语言的趋势。
还提到了tf.keras可以代替原来Keras所有的功能。这点对于我来说还是挺有意义的，其中有张图片是TensorFlow LOVE Keras,感觉还是很有爱的。
第四个演讲： TensorFlow2.0 全覆盖
很开心能有这么多中国开发者，尤其是女性开发者。
感觉tf已经开源了好长时间，没想到2015年才开源，哈哈，其实我是从17年才开始用，其支持Apache2.0协议，特意去查了一下，这个协议是商业友好型的 ，也就是说可以在其基础是可以进行修改，然后进行商用，不过不遵守也是一句话的事，且用且珍惜吧，哈哈。
演讲说超过1800个贡献者，我觉得比这个数字要多得多。
说到适合于各个阶段的机器学习用户，对于初学者，keras等上层平台支持快速开发，对于老手来说，也可以自己开发和修改库。
升级只需要一行代码，不过我还是持谨慎态度，多了解了解再升级吧，毕竟环境依赖问题什么的太头疼。
这里提到了两点，一个是tf.keras 一个是Eager Execution,后一个可以不通过建立静态图的方式运行，这简化了TensorFlow的使用过程。
tf2.0移除了重复性的功能，例如上图。
这里说到了tf.raw_ops,可以访问到内部ops，个人认为这一点很重要，在运行过程中，模型更像是一个黑箱，可以访问到每个节点将会对理解整个结构起到至关重要的作用。
同时众多低阶API可以保证较高级开发者的可操作性。
很喜欢的一张图
tf2.0和1在代码层面并没有太多的改变
可以使用eager调试。
先记录到这吧，有空再写。