5 年前，Google 开放了机器学习架构 TensorFlow 的原始码为研究及製作之用。目标是让最先进的机器学习工具可以为更多人存取，并让所有人都能使用。
从推出至今，TensorFlow 全球下载次数超过 1.6 亿。有成千上万的人亦贡献了程式码、创建教育内容并在世界各地组织开发人员活动，支持 TensorFlow 和机器学习社群的持续发展。
为了庆祝 TensorFlow 正式推出 5 週年，在这分享几个互动式的应用展示，让使用者可以在自己的浏览器中点击以进行尝试，以及一些能帮助使用者自己打造专案的教学内容。如果你是 TensorFlow 的新手，这将是了解相关功能的好方法，如果你觉得有兴趣而因此想要深入了解更多，请查看 TensorFlow 部落格。
TensorFlow 支援多种程式语言和环境。 让我们先快速浏览一下JavaScript，以及 3 个透过点击就可以尝试 3 个互动式应用。
TensorFlow.js 让使用者可以完全在浏览器中编写和运行机器学习模型。对于保护隐私的应用程式（无需将资料发送到伺服器）以及互动式机器学习程式来说，这是相当重要的应用。
虹膜範围追蹤程式就是一个很好的例子，它支援无需用手操作的介面和辅助技术。使用者可以在浏览器中尝试创造自己的模型。
▲ 运用 MediaPipe 和 TensorFlow.js 在浏览器中进行虹膜範围追蹤。
类似于眼睛追蹤，使用者也可以用 TensorFlow.js 追蹤手势。
▲ 运用 MediaPipe 和 TensorFlow.js 在浏览器中追蹤手势。
使用者只需要一个摄影镜头就能在浏览器中操作这些应用展示，过程中不需要传送任何你电脑里的资料。
不用撰写程式就能训练自己的模型
使用者可以运用 Teachable Machine 训练自己的模型（不需要编写程式），这是一个在浏览器中能快速、有趣且容易的创建机器学习模型的方法。 例如，你可以教一个模型来识别图像或是你用麦克风所录製的声音。
▲ Teachable Machine 教电脑辨识你自己的图像、声音或姿势。
深度教学内容
TensorFlow 包含一个功能强大的 Python 程式库。如果要开始使用，这里有一些针对初学者和专家的教学内容。这些教学内容（包含完整的端到端代码）涵盖从机器学习基础知识到电脑视觉和机器翻译的主题，甚至还展示了如何透过机器学习生成图稿。
▲ 这个教学内容讲解图像分类，像是如何训练神经网路分类花朵。
将 TensorFlow 带到行动应用程式
TensorFlow Lite 让使用者可以在行动和小型嵌入式装置上打造以机器学习为基础的应用程式。印度一群主修工程的学生使用 TensorFlow Lite 开发了一个 Android 应用程式，该应用程式透过智慧型手机的相机来提供当地的空气品质资讯。
▲ Air Cognizer：运用 TensorFlow Lite 预测空气品质。
此外，TensorFlow Lite Micro 让使用者甚至可以在微控制器（可以放在手掌中的微型电脑）上运行机器学习模型。
以负责任的方式打造产品
随着世界上数十亿人持续地使用以机器学习为核心的产品和服务，如何负责任地设计和部署这些系统变得越来越重要。TensorFlow 亦包括 Responsible AI 的大量工具和最佳实践，包括 What-If 工具，协助测试机器学习模型在假设情况下如何适用于不同的人。
除了这些之外，还有更多的事情也能透过 TensorFlow 达成，像是 TensorFlow 有一套完整的工具可以替製造机器学习系统提供动力，或甚至是支持量子计算的最新研究。
