TensorFlow 正式推出 5 週年，以機器學習為基礎打造的互動式應用展示

5 年前，Google 開放了機器學習架構 TensorFlow 的原始碼為研究及製作之用。目標是讓最先進的機器學習工具可以為更多人存取，並讓所有人都能使用。

從推出至今，TensorFlow 全球下載次數超過 1.6 億。有成千上萬的人亦貢獻了程式碼、創建教育內容並在世界各地組織開發人員活動，支持 TensorFlow 和機器學習社群的持續發展。

為了慶祝 TensorFlow 正式推出 5 週年，在這分享幾個互動式的應用展示，讓使用者可以在自己的瀏覽器中點擊以進行嘗試，以及一些能幫助使用者自己打造專案的教學內容。如果你是 TensorFlow 的新手，這將是了解相關功能的好方法，如果你覺得有興趣而因此想要深入了解更多，請查看 TensorFlow 部落格。

TensorFlow 支援多種程式語言和環境。 讓我們先快速瀏覽一下JavaScript，以及 3 個透過點擊就可以嘗試 3 個互動式應用。

TensorFlow.js 讓使用者可以完全在瀏覽器中編寫和運行機器學習模型。對於保護隱私的應用程式（無需將資料發送到伺服器）以及互動式機器學習程式來說，這是相當重要的應用。

虹膜範圍追蹤程式就是一個很好的例子，它支援無需用手操作的介面和輔助技術。使用者可以在瀏覽器中嘗試創造自己的模型。

▲ 運用 MediaPipe 和 TensorFlow.js 在瀏覽器中進行虹膜範圍追蹤。（Source：TensorFlow）

類似於眼睛追蹤，使用者也可以用 TensorFlow.js 追蹤手勢。

▲ 運用 MediaPipe 和 TensorFlow.js 在瀏覽器中追蹤手勢。（Source：TensorFlow）

使用者只需要一個攝影鏡頭就能在瀏覽器中操作這些應用展示，過程中不需要傳送任何你電腦裡的資料。

不用撰寫程式就能訓練自己的模型

使用者可以運用 Teachable Machine 訓練自己的模型（不需要編寫程式），這是一個在瀏覽器中能快速、有趣且容易的創建機器學習模型的方法。 例如，你可以教一個模型來識別圖像或是你用麥克風所錄製的聲音。

▲ Teachable Machine 教電腦辨識你自己的圖像、聲音或姿勢。（Source：Teachable Machine）

深度教學內容

TensorFlow 包含一個功能強大的 Python 程式庫。如果要開始使用，這裡有一些針對初學者和專家的教學內容。這些教學內容（包含完整的端到端代碼）涵蓋從機器學習基礎知識到電腦視覺和機器翻譯的主題，甚至還展示了如何透過機器學習生成圖稿。

▲ 這個教學內容講解圖像分類，像是如何訓練神經網路分類花朵。（Source：Flickr/Virginia McMillan CC BY 2.0）

將 TensorFlow 帶到行動應用程式

TensorFlow Lite 讓使用者可以在行動和小型嵌入式裝置上打造以機器學習為基礎的應用程式。印度一群主修工程的學生使用 TensorFlow Lite 開發了一個 Android 應用程式，該應用程式透過智慧型手機的相機來提供當地的空氣品質資訊。

▲ Air Cognizer：運用 TensorFlow Lite 預測空氣品質。（Source：TensorFlow）

此外，TensorFlow Lite Micro 讓使用者甚至可以在微控制器（可以放在手掌中的微型電腦）上運行機器學習模型。

以負責任的方式打造產品

隨著世界上數十億人持續地使用以機器學習為核心的產品和服務，如何負責任地設計和部署這些系統變得越來越重要。TensorFlow 亦包括 Responsible AI 的大量工具和最佳實踐，包括 What-If 工具，協助測試機器學習模型在假設情況下如何適用於不同的人。

除了這些之外，還有更多的事情也能透過 TensorFlow 達成，像是 TensorFlow 有一套完整的工具可以替製造機器學習系統提供動力，或甚至是支持量子計算的最新研究。

（首圖來源：Google）