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()
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