文章目录

1. 前言2. 大会内容3. Tensorflow精讲篇3.1 机器学习流程3.1.1 数据注入和预处理3.1.2 模型架构定义和训练3.1.3 模型部署3.1.4 监控和维护4. 番外篇

1. 前言

首先要感谢CSDN提供了一张定向邀请门票，这才让我有幸参加Google开发者大会，当然这也是我第一次参加。Google开发者大会是真正属于技术人的开发者大会，大会的内容，均是技术干货，而且内容相当丰富。

在每一位大咖分享技术的时候，会先介绍当前所做的技术，以及对未来所要攻克的技术领域。当然也会用实际的数据和案例给大家展示目前技术做到了什么程度。在每次分享结束前都会有相应的二维码来让大家进行相关技术的了解与体验。

2. 大会内容

本次大会用时两天（9月14、15），主要包含13个内容，可以直接看图片上的内容，可以根据所要听的内容，选择对应的场次。现在在网上也可以搜到大会相关信息。

因为我对机器学习-tensorflow这块内容感兴趣，所以我选择了15号的票。在此也整理了下大会中大咖提到的tensorflow相关的内容，在此分享给大家。

3. Tensorflow精讲篇

分享内容：谷歌为开发者提供全面的开源机器学习产品生态。

主讲人：魏巍

tensorflow是机器学习中使用最广泛的模块，无论是计算机、还是医疗教育等，都有tensorflow的身影，Google希望一些非专业领域也可以使用机器学习，为了降低机器学习的入门成本，所以谷歌也为此做出了研究，并提供了一些实例。让我印象最深的是Magic Erase技术：就是在Pixel设备上利用机器学习技术，从照片中擦除不想要的内容。之前我们修图都是使用美图修修或者PS技术，而机器学习的引入，可谓是提供了便利。（回顾我们身边所用到的机器学习技术，比如，在使用相机贴纸中，有些是狗脸识别和猫脸识别。）

3.1 机器学习流程

针对机器学习的流程，主讲人也进行了详细介绍

数据注入和预处理模型架构定义和训练模型部署监控和维护

3.1.1 数据注入和预处理

数据集来源：网上有很多已经训练好的数据集，比如/，或者在/中进行寻找（有些论文中也会提供一些数据集的来源）

数据预处理是指，针对数据集中的缺省值，异常值或者数据较大的值进行填充和归一化处理，处理成模型便于处理的数据集。

3.1.2 模型架构定义和训练

因为我们的数据集可能是图片、文本、音频等等，针对不同的数据集选择不同的模型机型训练。

3.1.3 模型部署

当我们的模型训练完毕后，将其嵌入到应用中，比如Flutter应用、Web应用、移动应用等

3.1.4 监控和维护

谷歌把TensorFlow Lite集成到了谷歌服务中，/lite/guide?hl=zh-cn，TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习。

4. 番外篇

Google开发者大会是真正属于技术人的开发者大会，大会的内容，均是技术干货，而且内容相当丰富。而且大会全程免费，如果你是外地来的，他们会为你报销住宿和车票。当展区开放时，会有免费的小礼品，可以对产品进行体验做任务，都会有相应的福利。