瞭解 TensorFlow 如何解決真實、日常的機器學習問題

Airbnb 工程和資料科學團隊運用機器學習技術 (使用 TensorFlow) 對圖片進行分類並大規模偵測物件，協助改善房客體驗。

ML 有助於監控地球表面的變化，以進行都市規劃、打擊非法建設，以及繪製天災造成的損害和景觀變化地圖。

適用於 Android Neural Networks API (NNAPI) 的 Arm NN 提供硬體抽象層 (HAL)，可鎖定 Arm Mali GPU，並讓 TensorFlow Lite 等機器學習架構的效能提升 4 倍以上。

Carousell 運用 TensorFlow on Google Cloud ML，以深度圖片和自然語言理解技術建構機器學習模型。賣家可透過圖片辨識功能簡化刊登體驗，買家則可透過推薦和圖片搜尋功能找到更相關的商品資訊。

CEVA 的 NeuPro 和 CEVA-XM AI 處理器適用於邊緣裝置的深度學習和 AI 推論，可透過 CEVA CDNN 編譯器自動轉換 TensorFlow 訓練的網路，以便在即時嵌入式裝置中使用。

中國移動運用 TensorFlow 建立深度學習系統，可自動預測切換時間視窗、驗證操作記錄並偵測網路異常。這項系統已成功支援全球規模最大的數億個 IoT HSS 號碼遷移作業。

人工智慧的進步和 TensorFlow 的成熟度讓 Coca-Cola 公司能夠為其會員忠誠度計畫實現長期以來尋求的流暢購買證明功能。

GE Healthcare 運用 TensorFlow 訓練神經網路，以便在腦部磁振造影 (MRI) 檢查期間識別特定解剖構造，進而協助提升速度和可靠性。

Google 運用 TensorFlow 為產品 (例如搜尋、Gmail 和翻譯) 中的 ML 導入作業提供技術支援，協助研究人員進行新發現，甚至在人道主義和環境挑戰方面取得進展。

InSpace 運用 TensorFlow.js 偵測有害留言 (甚至在使用者傳送之前)，方法是在瀏覽器中執行所有推論，無需將文字傳送至第三方伺服器進行分類。

Intel 與 Google 的合作讓各種模型的推論效能提升高達 2.8 倍，嘉惠在 Intel 平台上執行 TensorFlow 的眾多客戶。

Kakao Mobility 運用 TensorFlow 和 TensorFlow Serving 來預測司機被派遣以滿足叫車要求時的行程完成率機率。

Lenovo LiCO 平台可加速 AI 訓練和傳統高效能運算，並透過 TensorFlow 整合和最佳化功能來最佳化深度學習訓練。LiCO 提供各種內建 TensorFlow 模型，並支援這些模型的最佳化分散式訓練。

Liulishuo 演算法團隊在 2016 年初首次將 TensorFlow 應用於其內部機器學習專案。這個簡單易用的機器學習架構協助團隊建構出可教導英文的應用程式。

Modiface 運用 TensorFlow.js FaceMesh 模型來識別臉部主要特徵，並將這些特徵與 WebGL Shader 結合，讓使用者能夠以數位方式試用 L’Oreal 品牌產品的彩妝，同時維護隱私。即時體驗完全在瀏覽器中執行，因此絕不會將使用者資料傳送至伺服器進行處理。

NAVER 購物中心運用 TensorFlow，自動將每天超過 2 千萬件新註冊的產品比對到大約 5,000 個類別，以便有系統地整理產品，並讓使用者更輕鬆地搜尋產品。

NERSC 和 NVIDIA 成功將科學深度學習應用程式擴展到 27,000 多個 Nvidia V100 Tensor Core GPU，在此過程中突破了 ExaFLOP 障礙。

OpenX 將 TFX 和 Google Cloud Platform 整合到其廣告交易平台中，每秒可處理超過一百萬個要求，並在 15 毫秒內提供回應。

PayPal 運用 TensorFlow、深度遷移學習和生成模型技術，能夠辨識複雜的時變詐欺模式，進而提高詐欺拒絕準確度，同時透過提高身分識別精確度來改善合法使用者的體驗。

Qualcomm 最佳化並加速 Snapdragon 行動平台以及專為 IoT、運算、XR 和汽車設計的晶片組產品組合上的 TensorFlow 和 TensorFlow Lite 模型。

使用 TensorFlow 對視網膜 OCT 影像執行疾病分類和分層。三種疾病類型分類為脈絡膜新生血管增生、玻璃體疣或糖尿病視網膜水腫。分層之後，Sinovation Ventures 提供影像中疑似病灶的邊界。

Spotify 在其 ML 系統的 Paved Road 中運用 TFX 和 Kubeflow 管線，Paved Road 是一組明確的產品和設定，可部署針對剛開始 ML 之旅的團隊的端對端機器學習解決方案。

Swisscom 運用 TensorFlow 深度自訂機器學習模型的能力，來分類文字並判斷客戶在收到諮詢時的意圖。

Processor SDK 最佳化 TensorFlow Lite 模型，將 CNN/DNN 推論從一般運算 Arm® 核心卸載到專用硬體加速器，進而強化機器視覺、機器人技術、車用 ADAS 和許多其他應用程式中的機器學習功能。

Twitter 運用 TensorFlow 建構其「排序時間軸」，讓使用者確保自己不會錯過最重要的推文，即使他們追蹤了數千名使用者也一樣。

VSCO 運用 TensorFlow Lite 開發「For This Photo」功能，此功能使用裝置端機器學習技術來識別使用者正在編輯的照片類型，然後從精選清單中建議相關的預設設定。

WPS Office 導入多種業務情境，例如以 TensorFlow 為基礎的裝置端圖片辨識和圖片 OCR。