瞭解 TensorFlow 如何解決實際的日常機器學習問題

Airbnb 的工程和數據資料學團隊透過 TensorFlow，利用機器學習執行大規模圖片分類和物件偵測，協助提升了房客體驗。

機器學習可協助監控地球表面的變化，有助於都市規劃、對抗違建，以及界定自然災害所造成的損害範圍與地貌變化。

Arm NN for Android Neural Networks API (NNAPI) 提供了針對 Arm Mali GPU 的硬體抽象層 (HAL)，使 TensorFlow Lite 這類機器學習架構的效能提升超過 4 倍。

Carousell 在 Google Cloud ML 引擎使用 TensorFlow，建構能辨識深度圖片和理解自然語言的機器學習模型。有了圖片辨識功能，賣家張貼商品的流程變得更簡單；另一方面，買家可透過推薦內容和圖片搜尋，發掘更多相關商品資訊。

CEVA 的 NeuPro 和 CEVA-XM AI 處理器適用於深度學習與 AI 邊緣推論，可透過 CEVA CDNN 編譯器自動轉換 TensorFlow 所訓練的網路，以在即時嵌入式裝置使用。

「中國移動」使用 TensorFlow 建立了深度學習系統，可自動預測系統截承的時間範圍、確認作業記錄，以及偵測網路的異常狀況。在這套系統的支援下，「中國移動」完成了世界上最大宗的 IoT HSS 號碼遷移作業，數量達到數億之多。

隨著人工智慧持續進展與 TensorFlow 愈趨成熟，可口可樂公司終於取得渴望多時的解決方案，可以順利驗證會員方案的購買記錄。

GE Healthcare 使用了 TensorFlow 訓練類神經網路，在進行腦部磁振造影 (MRI) 檢驗時辨識特定的解剖圖，以協助提升檢驗的速度和可靠性。

Google 運用 TensorFlow 在 Google 搜尋、Gmail 和 Google 翻譯等產品中實作機器學習，以協助研究人員發掘新知，甚至是在人道主義和環保議題方面取得進展。

InSpace 採用 TensorFlow.js 在瀏覽器中執行所有推論用戶端，不必傳送文字給第三方伺服器進行分類，就能在惡意留言傳送出去前就加以偵測。

Intel 與 Google 攜手合作後，將不同模型的推論效能提升了高達 2.8 倍，在 Intel 平台上執行 TensorFlow 的眾多客戶也因此獲益。

Kakao Mobility 使用 TensorFlow 和 TensorFlow Serving，在回應叫車服務而調度司機時，預測行程完成率。

Lenovo LiCO 平台使用 TensorFlow 進行整合和最佳化，加速 AI 訓練和傳統高效能運算，並優化深度學習訓練。LiCO 提供各種內建的 TensorFlow 模型，並協助將這些模型的分散式訓練最佳化。

2016 年年初，「流利說」演算法團隊率先將 TensorFlow 應用在內部機器學習專案上。這個易於使用的機器學習架構，協助該團隊建構出英文教學應用程式。

ModiFace 利用 TensorFlow.js FaceMesh 模型找出關鍵臉部特徵並與 WebGL 著色器結合，讓使用者透過數位方式試用 L’Oreal 品牌的化妝品，同時保障隱私。這項即時體驗完全在瀏覽器中運作，因此絕不會將使用者資料傳送給伺服器處理。

使用 TensorFlow NAVER Shopping 自動比對每天超過 2 千萬個新近註冊產品，並將其分類成大約 5,000 個類別，以將產品進行系統化整理，便利使用者搜尋。

NERSC 和 NVIDIA 成功將科學用深度學習應用程式擴充成超過 27,000 個 Nvidia V100 Tensor Core GPU，在此過程中突破了 ExaFLOP 的瓶頸。

OpenX 在自家廣告交易平台中整合了 TFX 和 Google Cloud Platform，每秒可處理超過 100 萬個廣告請求，並在不到 15 毫秒內就送出回應。

借助 TensorFlow、深度遷移學習和生成模型，PayPal 已能夠辨識會隨著時間變化的複雜詐欺模式，增加識破詐欺的準確度，同時藉由提升識別精確度，改善合法使用者的體驗。

Qualcomm 讓 TensorFlow 和 TensorFlow Lite 模型在 Snapdragon 行動裝置平台，以及為 IoT、運算、XR 和汽車業而設計的各種晶片組組合上，達到效能最佳化且執行更快速。

使用 TensorFlow 在視網膜的 OCT 影像上進行疾病分類和區隔。三種疾病類型分別是脈絡膜新生血管生成、玻璃體疣和糖尿病視網膜水腫。進行區隔後，Sinovation Ventures 在影像上提供了可能的病灶範圍。

Spotify 在其「為機器學習鋪路」(Paved Road for ML) 系統中利用 TFX 和 Kubeflow 管線；這類系統是一組用來部署端對端機器學習解決方案的產品和設定，引導剛開始接觸機器學習的團隊，依循開發者的理念使用產品。

Swisscom 利用 TensorFlow 大幅自訂機器學習模型以分類文字，並在收到客戶查詢時用以判斷對方意圖。

Processor SDK 可以最佳化 TensorFlow Lite 模型，將一般運算 Arm® 核心的 CNN/DNN 推論工作轉移到專門為此設計的硬體加速器，以強化機器視覺、機器人工學、汽車 ADAS 和許多其他應用中的機器學習能力。

Twitter 使用 TensorFlow 打造「排名時間軸」，使用者追蹤對象即使達數千之譜，也可確保不會錯過最重要的 Tweet。

VSCO 使用 TensorFlow Lite 開發「For This Photo」功能。這項功能使用裝置端的機器學習辨識使用者正在編輯的相片類別，然後從收錄清單中建議相關的預設設定。

WPS Office 根據 TensorFlow，實作了多項商業案例，例如裝置端的圖片辨識和影像光學字元辨識 (OCR)。