了解 TensorFlow 如何解决实际的日常机器学习问题
Explore how various companies from a wide variety of industries implement ML to solve their biggest problems. From healthcare to social networks and even ecommerce, ML can be integrated into your industry and company.
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。
TFX
空客公司使用 TensorFlow 从他们的卫星图像中提取信息，并为客户提供有价值的数据洞见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。
TensorFlow Lite
Arm 的硬件抽象层将 TensorFlow Lite 的性能提升了 4 倍以上适用于 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。
TensorFlow Lite
CEVA 会在其深度学习处理器中转换经过 TensorFlow 训练的网络CEVA’s NeuPro and CEVA-XM AI processors for Deep Learning and AI inferencing at the edge automatically convert TensorFlow trained networks for use in real-time embedded devices using the CEVA CDNN Compiler.
China Mobile has created a deep learning system using TensorFlow that can automatically predict cutover time window, verify operation logs, and detect network anomalies. This has already successfully supported the world’s largest relocation of hundreds of millions IoT HSS numbers.
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。
TensorFlow Lite
Google 倾心打造出 TensorFlow，使机器学习技术惠及大众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。
TensorFlow.js
InSpace 使用 TensorFlow.js 实时过滤在线聊天内容中的恶意言论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。
TFX
Kakao 使用 TensorFlow 预测叫车请求的完成率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。
TensorFlow.js
Modiface 在生产环境中利用 TensorFlow.js 实现浏览器上的 AR 试妆体验ModiFace leverages the TensorFlow.js FaceMesh model to identify key facial features and combine them with WebGL shaders, allowing users to digitally try on makeup for L’Oreal brand products while preserving privacy. The live experience runs entirely in the browser, so no user data is ever sent to a server for processing.
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。
TFX
OpenX 使用 TFX 优先处理大量请求的流量OpenX 在其广告交易平台中集成了 TensorFlow Extended (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。
TensorFlow Lite
Qualcomm 在 Snapdragon 移动平台等平台上加速 TensorFlow 模型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。
TFX
Spotify 利用 TFX 为用户提供个性化的建议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。
TensorFlow Lite
Texas Instruments 处理器 SDK 集成了 TensorFlow Lite，可在边缘设备上实现机器学习推断处理器 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。
TFX
使用 TensorFlow 对 Twitter 微博进行排名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。
TensorFlow Lite
向用户建议预设滤镜：VSCO 倾力打造出“For This Photo”功能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。
TensorFlow Lite
WPS Office：一款基于 TensorFlow 的智能办公软件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。