谷歌开发者大会焦点：Android 10原生支持5G，TF2.0大更新

2016 年谷歌开发者大会在中国首次举办，2017 年谷歌宣布成立“AI 中国研发中心”，2018年谷歌的“AI+小程序”的产物“猜画小歌”火遍中国，今年的谷歌开发者大会为我们带来了什么？

2019谷歌开发者大会（Google Developer Days，简称GDD）刚刚落下帷幕，在为期两天的大会中，谷歌推出了不少新产品和开发工具：Android团队更新了最新产品Android 10，TensorFlow团队发布了TensorFlow 2.0，Flutter推出了Flutter 1.9，Web, Firebase, Wear OS和ARCore团队也都介绍了相关产品更新。

此外，新任谷歌大中华区总裁陈俊廷登场，宣布正式推出 Grow with Google 成长计划，将提供一系列免费线上课程、学习工具和线下培训，帮助更多人解锁数字时代必备技能。接下来看看本届谷歌开发者大会的亮点。

谷歌大中华区新总裁陈俊廷首次现身：推出 Grow with Google 成长计划

在 KeyNote 主题演讲环节中，新任谷歌大中华区总裁陈俊廷（Stanley Chen）首先登场。这是陈俊廷在今年 6 月担任该职位后首次在公开大会中亮相。

他公布了谷歌的数据技术分享计划，已经让 80 多个国家及地区，超过 4300 万人从中受益。在回顾了谷歌的近期的一些动作之后，宣布正式推出 Grow with Google 成长计划，向广大开发者们提供免费的课程学习计划。

陈俊廷在演讲中还表示，希望通过网上的共享平台提供免费的课程，将谷歌的技术带给更多需要的人，帮助用户使用和体验谷歌的产品。

Android 10重磅亮相，原生支持 5G，更注重数据安全

本次大会正式推出新版本的安卓操作系统Android 10。实际上在本次开发者大会召开一周前，谷歌高级安卓产品经理Stephanie Cuthbertson已经在安卓开发者公众号上宣布了这个消息。

Cuthbertson表示，新推出的Android 10聚焦移动创新、安全隐私和数字健康三大主题，全面打造最佳用户体验。

在移动创新上，Android 10的几大亮眼新特性包括：

对5G网络的强大支持：Android10 提供 5G 平台支持，对现有 API 进行扩展，更好地帮助开发者利用 5G 技术推动应用创新。

通知中的智能回复:利用设备内置机器学习技术，在通知中显示与当下场景相关的建议操作，例如消息智能回复，或者当通知中包含地址信息时，建议用户开启地图应用。

官方深色主题:Android 10添加了系统全局深色主题，让用户可以在光线较暗的环境中更轻松的使用设备，并且大幅度减少设备耗电量。

手势导航:启用后，原有的底部导航栏设计会消失，让应用真正实现全屏显示。

在隐私保护、数据安全和网络性能上，Android 10也作出多项改进和更新，主要有以下几方面：

给予用户更多地理位置控制:为了提高用户的可控性，用户可以通过一个全新的地理位置权限，仅允许正在被使用的应用 (运行在前台) 访问设备位置信息。

防止设备追踪:为了防止应用追踪设备，Android10 不允许一般应用访问 IMEI 码、序列号等不可重置的设备识别号。

P2P 及网络连接优化:在 Android 10 中，我们对 Wi-Fi 堆栈进行了重构，这不仅提升了应用在隐私及性能方面的表现，而且对许多常见用例也有一定的优化，

Wi-Fi 性能模式:Android10 允许应用启用高性能、低延迟的自适应 Wi-Fi 模式，这样一来，即使是在网络延迟比较敏感的场景下，如实时游戏、音频通话等，应用依旧能保障流畅的用户体验。在性能模式下，Android 平台将配合设备固件协同工作，实现最低能耗。

TensorFlow 2.0，更直观、更强大、更灵活

本次GDD，TensorFlow 2.0依然是重头戏。TensorFlow亚太区产品经理梁信屏展开了《机器学习的现在和未来》的分享，并把 TensorFlow 目前的家底透露了一遍：从 2015 年发布以来，达到了 4100 万的下载，超过 5 万次提交量，9900 次代码改动请求，以及 1800 多位贡献者。目前围绕TensorFlow已经构建起一个庞大的生态，TensorFlow也成为最成功的机器学习平台。

TensorFlow 2.0 代码和 NumPy 很像，二者也可以很容易的相互置换对象。开发者也不用为 placeholders、Sessions 以及 feed_dictionaties 等伤脑筋了。

2.0 版本围绕易用性、高性能、可扩展，三个方面进行了升级。下面我们列举一些主要的升级方面：

即时执行（Eager Execution）变为默认模式

但是到了2.0时代就变成了：

API 清理和初级API

像 TensorFlow.gans、TensorFlow.app、TensorFlow.contrib 以及 TensorFlow.flags 等很多 API，要么被直接移除，要么就是转移到单独的库。

在 TensorFlow 1.x 中不止一种方法来创建和训练 ML 模型。而大多数时候，开发者都不是很清楚应该在什么情况下使用哪个 API。而且一旦使用了其中一种 API 训练模型，接下来就很难再切换到别的 API 了。

所以在TensorFlow 2.0 中，TensorFlow.keras 是推荐使用的高级 API。

初级API从 TensorFlow 1.x 到 2.0，没有发生太大的改变。通过 pip 来安装 TensorFlow 的时候，一般会得到完整的 Keras API 以及一些额外的函数工具集。

定义训练循环

在 TensorFlow 2.0 中，训练模型最简单的方法是使用 fit() 方法，它同时支持序列化和子类化模型。开发者也可以通过 fit() 方法很容易地配置一个 TensorBoard 实例。它同样适用于 Jupyter/Colab 笔记本。

在使用模型子类化的时候，唯一需要做的是重写类成员函数 compute_output_shape()，或干脆弃用这个函数。

以外，开发者可以使用 TensorFlow.data.Dataset 或 NumPy 的标准 nd-arrays 来作为 fit() 的输入。

模型保存和恢复

TensorFlow 1.x 中如何为产品保存和装载模型的标准是缺失的。而 TensorFlow 2.0 则试图通过定义一个单一 API 来解决这个问题。

另外，TensorFlow 生态系统还整合了 SavedModels，这样就可以部署到手机、边缘设备以及服务器等里面。

TF.Text：训练 NLP 模型

TF.Text 是一个 TensorFlow 2.0 库，可以使用 PIP 命令轻松安装。能够在基于文本的模型中定期执行预处理过程，并提供 TensorFlow 核心组件中并未提供的、关于语言建模的更多功能和操作，为 TensorFlow 2.0 提供了强大的文本处理功能，且兼容动态图模式。

TensorFlow Lite：在端上部署机器学习

TensorFlow Lite 适用于手机以及嵌入式设备上，部署机器学习应用的框架，特点是：几乎没有延迟、不需要连接网络以及隐私保护。

比如，闲鱼 APP 在租房场景，用 TensorFlow Lite 自动对图片打标签，提高了租房效率；科沃斯机器人将 TensorFlow Lite 部署在扫地机器人中，实现自动避障等等。TensorFlow Lite 在谷歌产品中也被广泛应用，如 Google 相册、输入法、云助理等。

根据统计，有超过 20 亿的移动设备，已经安装了基于 TensorFlow Lite 的应用。

TensorFlow.js：可制作微信小程序的平台

TensorFlow.js 是为 JavaScript 定制的深度学习平台。可以运行已有模型、对已有模型进行再训练、以及训练新的模型，支持多平台：浏览器、无线端（如微信小程序）、服务器、台式机。

TensorFlow.js 除了可在多个平台运行机器学习模型，还可以对模型训练，此外具有 GPU 加速功能，并自动支持 WebGL。

工程师现场演示了利用 TF.js 实现的最小最快的虚拟试妆的小程序。据悉，后续还将实现发型转换、年龄转化模拟、肤质检测等功能。

Flutter 1.9 稳定版发布，支持 macOS Catalina 和 iOS 13

Flutter 是谷歌的一款 UI 工具包，通过它的使用，开发者仅需一套代码，就可以为移动、网页和桌面构建美观的应用。

据称，Flutter 1.9 是迄今为止最大的一次版本更新，有 100 多名 contributor 在此次开发周期中提交了超过 1500 个 pull request。

新版本已经将 Flutter for web 合并至 Flutter 主仓库，并支持 macOS Catalina 和 iOS 13，改进工具链，支持新的 Dart 语言特性和新的 Material widget等。

本文来自新智元微信号，本文作为转载分享。