Google 开发技术周刊 089 期

Room 和 Lifecycle Architecture Components 发布了 1.0 稳定版本。 大家可以在生产中使用这些类库了。通过他们可以降低模板代码的篇幅,避免了重复造轮子。

链接: Announcing Architecture Components 1.0 Stable公布架构组件1.0稳定


Google Play Service SDK 的 11.6.0 有了重大更新,API 接口变得更加简单,线程调用更安全,同时内存调用效率也更高。GoogleApiClient 类已经被弃用,而新增了一些相对独立的 client 类方便大家调用。

链接:Migrating to the new Play Games Services APIs


TensorFlow 1.4 已经发布,Keras和相关数据集已经被集成到了核心包中

链接:Announcing TensorFlow r1.4谷歌正式发布发布TensorFlow 1.4


Tangent 是一个免费的,开源的 Python 库,可用于自动微分,可以方便用于通过更加直观的方式进行梯度运算

链接:Tangent: Source-to-Source Debuggable Derivatives谷歌开源「Tangent」:一个用于自动微分的源到源Python库(附API概述)


Google Cloud DNS 服务现在支持 “域名系统安全插件”, 即 DNSSEC。 开发者及其目标用户均可以享受到由 DNSSEC 所提供的安全服务,而无需额外的维护工作。

链接:DNSSEC now available in Cloud DNS


Google Cloud Datagrep 的beta版本近期迎来了第一个更新,本次更新中包含全新的 UI 设计,任务调度和丰富的样本采集方式

链接:Scheduling and sampling arrive for Google Cloud Dataprep


以上是本期 Google 开发技术周刊的主要内容。

Yuan@GDSub Team

Google 开发技术周刊 088 期

Resonance Audio 已经于近期发布,它是一款新的空间音频开发套件。它内部的技术源于 Google VR Audio SDK。
详情:Resonance Audio: Multi-platform spatial audio at scale谷歌发行跨平台空间音频SDK Resonance Audio

Fast Pair 功能已经发布,通过Fast Pair 可以很方便地把蓝牙设备和兼容的 Android 设备进行配对,下面文章中可以了解更多相关内容。
详情:Announcing Fast Pair – effortless Bluetooth pairing for AndroidAndroid 的 Fast Pair 标准支持与蓝牙设备快速配对

在 Cloud SQL for PostgreSQL 中新增了高可靠性和只读数据的支持。
详情:Cloud SQL for PostgreSQL adds high availability and replication

印度的第一个 Google Cloud 平台已经开放,当地用户访问该节点的延迟要比访问其它节点有显著提高。
详情:GCP arrives in India with launch of Mumbai region

Google 为 TensorFlow 增加了 Eager Execution,它是一个命令式的,由运行定义的接口。它可以使研究过程和开发变得更加直观。
详情:Eager Execution: An imperative, define-by-run interface to TensorFlow终于!TensorFlow引入了动态图机制Eager Execution

Firebase Predictions 已经发布,大家可以基于行为预测构建动态用户群组,该行为预测使用机器学习模型实现。
详情:Announcing Firebase Predictions Beta

以上是本期 Google 开发技术周刊的主要内容。

Yuan@GDSub Team

用新的 TensorBoard API 构建机器学习可视化插件

TensorBoard 是一套用来检查和理解以及运行 TensorFlow 模型的可视化工具,于 2015 年 TensorFlow 开源的时候一起发布。它包含一个小型的、预先确定的通用的一系列可视化工具,并且可以适用于所有的深度学习应用程序,比如:观察失真度随时间变化或在高维空间中探索集群。可是,如果在没有可复用的 API 的情况下,对于 TensorFlow 团队以外的人想要往 TensorBoard 添加新的可视化插件确实非常困难的,所以,这就给社区留下了一个可以创建出具有创造性、美观和有用的可视化插件的可能性。


为了让更多的人可以方便的给 TensorBoard 创建新的和有用的可视化插件,TensorFlow 团队发布了一系列可以让开发者给 TensorBoard 添加自定义可视化插件的标准 API。开发者可以通过这些 API 扩展 TensorBoard 的功能,使其可以覆盖到更加广泛的应用场景。

同时,TensorFlow 团队也使用这套新的 API 更新了 TensorBoard 中已有的可视化插件,所以开发者在开发插件的时候也可以参考这些插件。TensorBoard 中目前已经包含的插件可以从  GitHub上的 tensorboard / plugins 目录获取。比如,可以查看和生成精确回忆曲线 (precision-recall curves) 的新插件:

这个插件展示了标准的 TensorBoard 插件的三个部分:

  1. 一种用于收集数据以供后续可视化的 TensorFlow 的 Summary Operations。 [GitHub]
  2. 提供自定义数据的 Python 后端。 [GitHub]
  3. 在 TensorBoard 中 使用 TypeScript 和 Polymer 创建仪表盘。 [GitHub]

另外,像其他插件一样,「pr_curves」插件也提供了一个 Demo,通过这个 Demo 我们可以学习如何使用插件以及插件开发者在开发插件的时候如何生成示例数据。为了进一步说明插件是如何工作的,TensorFlow 团队还创建了一个标准的 TensorBoard「Greeter」 插件。这个简单的插件会收集和显示在模型运行期间产生的问候语(简单字符串前面加上「Hello」)。TensorFlow 团队的建议是先研究一下(或派生)Greeter 插件以及其他现有的插件再去开发自己的插件。

Beholder 插件是一个对于如何使用 TensorBoard API 非常值得参考的例子,由 Chris Anderson 在读硕士期间创建。Beholder 可以在作为队列模型展示实时视频数据(如梯度和卷积滤波器)。点击这里可以观看它的演示视频。

TensorFlow 团队非常期待看到社区可以产生一些新的可视化插件创意。如果你打算向 TensorBoard 的插件仓库提交插件,那么你最好先通过问题跟踪器(Issues) 将自己的想法展示给 TensorFlow 团队,以便他们给你提供更多的帮助和指导。

致谢

感谢 Dandelion Mane 和 William Chargin 在创建这套 API 方面发挥了关键作用。

编译:脉脉不得语  原文/配图:Google Research Blog  校对:Millen、杨忠东