了解 TensorFlow 如何解决现实生活中常见的机器学习问题

Airbnb 的工程和数据科学团队使用 TensorFlow 应用机器学习对图像进行分类和检测对象，从而帮助改善客户体验。

ML 有助于监测地球表面的变化，用于城市规划、打击非法建筑以及绘制自然灾害造成的破坏和景观变化。

针对 Android 神经网络 API (NNAPI) 的 Arm NN 提供了一个硬件抽象层 (HAL)，该层针对 Arm Mali GPU，并使 TensorFlow Lite 等机器学习框架的性能提升了 4 倍以上。

Carousell 在 Google Cloud ML 上使用 TensorFlow 构建具有深度图像和自然语言理解功能的机器学习模型。卖家受益于图像识别带来的简化发布体验，而买家则通过推荐和图像搜索发现更多相关的商品。

CEVA 的 NeuPro 和 CEVA-XM AI 处理器用于边缘的深度学习和 AI 推理，使用 CEVA CDNN 编译器自动将 TensorFlow 训练的网络转换为实时嵌入式设备。

中国移动使用 TensorFlow 创建了一个深度学习系统，可以自动预测切换时间窗口、验证操作日志并检测网络异常。这已经成功地支持了全球最大的数亿个 IoT HSS 号码的迁移。

人工智能的进步和 TensorFlow 的成熟使可口可乐公司能够实现其忠诚度计划中长期寻求的无缝购物凭证功能。

通用电气医疗保健使用 TensorFlow 训练神经网络，以识别脑部磁共振成像 (MRI) 检查期间的特定解剖结构，从而帮助提高速度和可靠性。

谷歌使用 TensorFlow 为搜索、Gmail 和翻译等产品的 ML 实现提供支持，帮助研究人员进行新的发现，甚至在人道主义和环境挑战方面取得进展。

InSpace 使用 TensorFlow.js 在评论发送之前检测有毒评论，所有推理都在浏览器端进行，无需将文本发送到第三方服务器进行分类。

英特尔与谷歌的合作使不同模型的推理性能提升了 2.8 倍，从而使广泛的客户能够在英特尔平台上运行 TensorFlow。

Kakao Mobility 使用 TensorFlow 和 TensorFlow Serving 来预测司机被派往完成叫车请求时的行程完成率的概率。

联想 LiCO 平台加速了 AI 训练和传统高性能计算，并通过 TensorFlow 集成和优化来优化深度学习训练。LiCO 提供各种内置的 TensorFlow 模型，并支持这些模型的优化分布式训练。

流利说算法团队于 2016 年初将 TensorFlow 首次应用于其内部机器学习项目。这个易于使用的机器学习框架帮助团队构建了一个用于教授英语的应用程序。

ModiFace 利用 TensorFlow.js FaceMesh 模型来识别关键面部特征，并将它们与 WebGL 着色器结合起来，使用户能够在保持隐私的情况下，以数字方式试用欧莱雅品牌产品的化妆品。实时体验完全在浏览器中运行，因此用户数据永远不会发送到服务器进行处理。

使用 TensorFlow，NAVER 购物每天自动将超过 2000 万个新注册产品匹配到大约 5000 个类别，以便系统地组织产品并方便用户搜索。

NERSC 和 NVIDIA 成功地将一个科学深度学习应用程序扩展到 27,000 多个 Nvidia V100 Tensor Core GPU，在此过程中突破了 ExaFLOP 障碍。

OpenX 在其广告交易所中集成 TFX 和 Google Cloud Platform，每秒处理超过一百万个请求，并在 15 毫秒内提供响应。

使用 TensorFlow、深度迁移学习和生成式建模，PayPal 能够识别复杂的随时间变化的欺诈模式，从而提高欺诈拒绝准确率，同时通过提高识别精度来改善合法用户的体验。

高通优化并加速了 Snapdragon 移动平台以及为物联网、计算、XR 和汽车设计的跨芯片组产品组合上的 TensorFlow 和 TensorFlow Lite 模型。

使用 TensorFlow 对视网膜 OCT 图像进行疾病分类和分割。三种疾病类型被分类为脉络膜新生血管、玻璃体疣或糖尿病性视网膜水肿。分割后，Sinovation Ventures 提供了图像中疑似病变的边界。

Spotify 在其 Paved Road for ML 系统中利用 TFX 和 Kubeflow 管道，这是一套面向 ML 初学者团队的端到端机器学习解决方案的意见产品和配置。

瑞士电信利用 TensorFlow 深度定制机器学习模型的能力来对文本进行分类，并在收到客户的查询后确定他们的意图。

处理器 SDK 优化了 TensorFlow Lite 模型，将 CNN/DNN 推理从通用计算 Arm® 内核卸载到专门构建的硬件加速器，从而增强了机器视觉、机器人、汽车 ADAS 和许多其他应用中的机器学习功能。

Twitter 使用 TensorFlow 构建了其“排名时间线”，使用户即使关注了数千个用户，也能确保他们不会错过最重要的推文。

VSCO 使用 TensorFlow Lite 开发了“为这张照片”功能，该功能使用设备上的机器学习来识别用户正在编辑的照片类型，然后从精选列表中推荐相关的预设。

WPS Office 实施了多种业务场景，例如基于 TensorFlow 的设备上图像识别和图像 OCR。