原标题：Google发表TensorFlow.js，帮开发者将机器学习带上浏览器
要在浏览器上执行机器学习更容易了！Google发表TensorFlow.js，TensorFlow技术结合Javascript，大幅降低开发者在浏览器发展机器学习的门槛。Google表示，随着Javascript与机器学习技术的发展，在浏览器上已经可以完全执行机器学习的所有工作，包含定义、训练以及执行机器学习模型。
Google大脑的工程师Nikhil△Thorat以及Daniel△Smilkov，于TensorFlow开发者高峰会上现场直播，使用TensorFlow.js并加上摄影机与电脑视觉技术，在全浏览器环境里，教人工智能程式玩PAC-MAN游戏，而这个范例程式已被开源在Github上。
Google表示，在浏览器中执行机器学习，这意味着不需要安装任何函式库和驱动程式，只要打开网页程式便开始执行。另外，TensorFlow.js支援WebGL，因此也能在背景使用GPU加速运算。当使用者以行动装置打开机器学习网页，此时机器学习也能使用行动装置上的陀螺仪或是加速度感知器等资料，这些资料都会被保留在客户端上，TensorFlow.js不只带来低延迟的推算，同时还能保护使用者隐私。
TensorFlow.js提供三种工作流程，处理各阶段的机器学习模型。第一、开发者能将以TensorFlow或Keras预先训练好的模型，转换成TensorFlow.js格式，并载入到浏览器中进行推算。第二、开发者不只可以载入一个既有的机器学习模型，还能用从使用者浏览器中收集到的资料，再训练这个模型，这个技术称为Image△Retraining，Google表示，PAC-MAN游戏范例程式就是以这个模式进行，这方法的好处是只要使用少量的资料就能让模型变得更加精准。
当然使用者也能在浏览器中，从头开始建立一个机器学习模型，使用TensorFlow.js提供的高阶API，完全在浏览器中定义、训练以及执行模型，而这些API与Keras提供的十分相似，使用过的开发者应该可以很快上手。
TensorFlow.js不只拥有高阶的API，也同时具备Deeplearn.js的低阶API，来做线性代数以及自动微风等运算。
相关：
Google周五（3/30）宣布，因应网络的变迁，将在下个月关闭于2009年推出的goo.gl短网址服务。短网址功能主要是把冗长的网址转换成简单及容易输入或分享的网址，Google软件工程师Michael△Hermanto表示，从goo.gl之后，
TensorFlow释出最新1.7版！除了整合Nvidia推理优化引擎TensorRT，还新增追踪ML建模的除错仪表板
TensorFlow△1.7版包含“除错仪表板”新功能，让使用者可以：1. 暂停或继续执行特定节点或几个步骤的工作；2. 显示某段时间的张量质；3. 连接张量与Python中特定的几行程式码 图片来源: Github 今年1月，Google才刚
越来越多AI自我优化的技术出炉，Google Brain靠强化学习自动找出深度神经网络最佳化的规则
Google△Brain最近宣布靠着强化学习，开发出自动寻找神经网络优化器的方法，Google表示，这个模式与过去用AutoML，探索新的竞争神经网络架构的方法类似，为了协助开发人员训练模型，Google已经在Tensorflow中加入这些
与Google抗衡，微软靠英特尔FPGA晶片让Bing搜寻变得更聪明
图片来源: 微软 微软搜寻引擎Bing在去年12月推出一系列的智慧搜寻功能，近日通过英特尔的FPGA晶片，强化了智慧搜寻的功能，要用AI技术让使用者得到更全面和快速的搜寻结果。首先，微软更新了搜寻结果，根据过去几个月
Google征才服务Hire推出候选人探索功能，帮企业从过去的求职者中找出适合人选
Google在去年悄悄推出征才服务Hire，让雇主可以张贴求职资讯，和接收、管理求职者的应征资料，最近则是强化了这项征才服务，推出候选人探索服务（?Candidate△discovery?），要让招聘者可以更有效地管理过去求职者的