了解 TensorFlow 如何解决实际的日常机器学习问题

Airbnb 的工程和数据科学团队使用 TensorFlow 应用机器学习，以大规模地进行图像分类和对象检测，从而帮助改善房客体验。

机器学习有助于监测地球表面的变化以进行城市规划，并且有助于打击违法建筑和测绘自然灾害造成的破坏和景观变化。

适用于 Android Neural Networks API (NNAPI) 的 Arm NN 提供了一种硬件抽象层 (HAL)，该硬件抽象层以 Arm Mali GPU 为目标，可将 TensorFlow Lite 等机器学习框架的性能提升 4 倍以上。

Carousell 在 Google Cloud ML 上使用 TensorFlow 构建了深度图像和自然语言理解机器学习模型。卖家借助图像识别技术获得更加简化的发布体验，而买家可通过推荐和图像搜索功能发现更符合个人需求的商品信息。

CEVA 用于深度学习和在边缘进行 AI 推断的 NeuPro 和 CEVA-XM AI 处理器可以使用 CEVA CDNN 编译器自动转换 TensorFlow 训练的网络，并在实时嵌入式设备中使用。

中国移动使用 TensorFlow 打造了一种深度学习系统，可以自动预测切换时间范围、验证操作日志和检测网络异常。这一系统已经成功地为世界上规模最大的迁移项目提供支持，涉及数亿个 IoT HSS 号码。

随着人工智能技术的发展以及 TensorFlow 的越趋成熟，可口可乐公司为其会员回馈活动找到长期寻求的解决方案，实现流畅购买凭证识别功能。

GE Healthcare 使用 TensorFlow 训练神经网络在颅脑磁共振成像 (MRI) 检查期间识别特定解剖结构，帮助提高检查速度和可靠性。

Google 使用 TensorFlow 为 Google 搜索、Gmail 和谷歌翻译等产品中的机器学习实现提供支持，以协助研究人员实现新的突破，甚至在人道主义和环境挑战方面取得进展。

InSpace 使用 TensorFlow.js 在客户端浏览器中执行所有推断，无需将文本发送到第三方服务器进行分类，从而甚至在恶意评论发送前就能将其检测出来。

Intel 与 Google 强强联合，使不同模型的推断性能提升了高达 2.8 倍，让在 Intel 平台上使用 TensorFlow 的各种客户因此受益。

Kakao Mobility 使用 TensorFlow 和 TensorFlow Serving 在为叫车请求派遣司机时预测行程完成率。

Lenovo LiCO 平台通过 TensorFlow 集成和优化，加快了 AI 训练和传统高性能计算的速度，并优化了深度学习训练。LiCO 提供了各种内置 TensorFlow 模型，并支持对这些模型进行优化的分布式训练。

2016 年初，流利说算法团队首次将 TensorFlow 应用于其内部机器学习项目。这种易于使用的机器学习框架帮助该团队打造了一款英语教学应用。

ModiFace 利用 TensorFlow.js FaceMesh 模型识别主要面部特征，并结合使用 WebGL 着色器，让用户能够在保护隐私的前提下，以数字化的方式用欧莱雅品牌的产品试妆。由于该实时体验完全在浏览器中运行，因此系统不会将任何用户数据发送到服务器进行处理。

通过 TensorFlow，NAVER Shopping 每天可自动将超过 2000 万个新登记的商品与约 5000 个类别匹配，以便系统地整理商品，使用户能更轻松地搜索商品。

NERSC 和 NVIDIA 成功地将深度学习科学应用扩展到超过 27000 个 Nvidia V100 Tensor Core GPU，在这一过程中突破了 ExaFLOP 障碍。

OpenX 在其广告交易平台中集成了 TFX 与 Google Cloud Platform，每秒可处理超过一百万个请求，并在 15 毫秒内做出响应。

通过 TensorFlow、深度迁移学习和生成模型，PayPal 能够识别复杂、瞬时多变的欺诈模式，以提高欺诈拒绝的准确率，同时通过提高识别精确率改善合法用户的体验。

Qualcomm 在 Snapdragon 移动平台以及针对 IoT、计算、XR 和汽车设计的芯片组组合上优化并加速 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。三类疾病分别为脉络膜新生血管、玻璃状疣或糖尿病性视网膜水肿。分割图像后，Sinovation Ventures 会指出图像中的可疑病变的边界。

Spotify 在其 Paved Road for ML 系统中使用了 TFX 和 Kubeflow 流水线。这些系统针对开始迈上机器学习之旅的团队，提供一套部署端到端机器学习解决方案的精选产品和配置。

Swisscom 利用 TensorFlow 深度定制机器学习模型，从而对文本进行分类，并在接到客户来电时确定他们的意图。

处理器 SDK 优化了 TensorFlow Lite 模型，将 CNN/DNN 推断从通用计算 Arm® 核心分流到专门打造的硬件加速器，从而增强了机器视觉、机器人、汽车 ADAS 和许多其他应用的机器学习能力。

Twitter 使用 TensorFlow 构建了“排名时间轴”，让用户能够确保自己不会错过最重要的 Twitter 微博，即使关注了成千上万的用户也没关系。

VSCO 使用 TensorFlow Lite 开发了“For This Photo”功能，该功能使用设备端机器学习识别用户正在编辑的照片类型，然后从精选列表中建议相关的预设滤镜。

WPS Office 基于 TensorFlow 实现了多种业务场景，例如设备端图像识别和图像 OCR。