一、概述

　　介绍TPU，需要使用XLA编译，否则没有做内部优化，无法达到加速的效果；

　　TPU相关的性能分析器：

二、新版本的输入库

　　之前TensorFlow的输入方式：

• feed_dict： 太过于低效
• Queue：     python多线程，全局锁的问题；同样低效，而且对应其中错误的数据无法友好处理；

　　现在： input pipeline

　　　　相关函数：

　　　　　　Dataset.XX()

　　　　　　Dataset.XXX()

　　　　　　Dataset.XXXX()

　　more infomation about Dataset 

三、learn2learn

　　功能： 由机器来设计神经网络

　　依据： 进化算法

　　解决性能问题工具：

　　　　1、timeline   —-   通过chrome来对结果进行分析　

　　　　2、nvprof

　　　　3、XXX　

四、高层API:

• Estimators
• keras
• canned Estimators

　　只有Estimators支持分布式TensorFlow；

　 recommended：

　　使用高级api

　　Estimators

　　用tf.layer 或 tf.keras 来自定义模型

　TF Serving：

　　用于将训练好的模型部署到生产环境中；

• C++ lib 
  • 模型保存、输出
  • 通用核心架构
• Binaries
  • 有一些自带的功能
  • 支持docker等　　

五、TF Lite:

　　用于支撑小型设备，例如手机等嵌入式设备