TensorFlow是Google Brain的第二代机器学习系统，已经开源。TensorFlow最初由Google Brain团队开发，用于Google的研究和生产，于2015年11月9日在Apache 2.0开源许可证下发布。作为正式对外开放的免费开源深度学习平台，Google 将自家 Google Brain 在人工智能领域的许多关键研究都对开发者开放。

自发布以来，TensorFlow受到了AI开发社区的广泛欢迎，是Github上最受欢迎的深度学习框架之一，也是整个社区上fork最多的项目。目前，TensorFlow已经被下载了超过790万次。

那么，TensorFlow值得我们学习吗？答案是肯定的。

与Caffe、Theano、Torch、MXNet等框架相比，TensorFlow在Github上Fork数和Star数都是最多的，而且在图形分类、音频处理、推荐系统和自然语言处理等场景下都有丰富的应用。最近流行的Keras框架底层默认使用TensorFlow，著名的斯坦福CS231n课程使用TensorFlow作为授课和作业的编程语言，国内外多本TensorFlow书籍已经在筹备或者发售中，AlphaGo开发团队Deepmind也计划将神经网络应用迁移到TensorFlow中，这无不印证了TensorFlow在业界的流行程度。

TensorFlow在很多地方可以应用，如语音识别，自然语言理解，计算机视觉，广告等等。TensorFlow是一个非常灵活的框架，它能够运行在个人电脑或者服务器的单个或多个CPU和GPU上，甚至是移动设备上。

TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。通过灵活的Python接口，要在TensorFlow中表达想法也会很容易。TensorFlow 对于实际的产品也是很有意义的。将思路从桌面GPU训练无缝搬迁到手机中运行。

链接：https://www.jianshu.com/p/f6013af895c1

TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。

Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor, 也就是张量，而节点之间的边描述了计算之间的依赖关系(定义时)和数学操作(运算时)。

　　TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。

　　TensorFlow：
        神经网络（深度）
            图像：卷积神经网络
            自然语言处理：循环神经网络
        特点：
            引入各种计算设备（CPU/GPU/TPU）,以及能够很好的运行在移动端。
            合理的C++使用界面，易用的Python使用界面来构造个执行你的graphs，可以直接写Python/C++程序
            采用数据流图（data flow graphs）,用于数值计算的开源库，能够灵活的组装图，执行图
            谷歌支持，希望成为通用语言
        前后端系统：
            前端系统：定义程序图的机构
            后端系统：运算图结构
        会话：            
        1、运算图的结构            
        2、分配资源计算            
        3、掌握资源（变量的资源，队列，线程）

TensorFlow使用Tensor来表示数据

接着我们来看看什么是Tensor，在官网的文档中，Tensor被翻译成”张量“。其中也给出了一个定义：

张量是对矢量和矩阵向潜在的更高维度的泛化，TensorFlow 在内部将张量表示为基本数据类型的n维数组。

首先TensorFlow是Google开源的第二代用于数字计算的软件库，概括地说，TensorFlow可以理解为一个深度学习框架，里面有完整的数据流向和处理机制，同时还封装了大量高效可用的算法和构建神经网络的函数

可以拿python最经典的计算包numpy来进行比较，和numpy类似，用于数据计算，常用于开发深度学习框架。为了更好理解它，从以下几个方面介绍： 1.TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。 2.从命名来理解：Tensor（张量）意味着N维数组，Flow（流）意味 着基于数据流图的计算。Tensorflow运行过程就是张量从图的一端流动到另一端 的计算过程。 3.：TensorFlow的开发过程中，重点在于构建执行流图。也就是：“Data Flow Graphs”，表示TensorFlow是一种基于图的计算框架，其中节点（Nodes）在图中表示数学操作，线（Edges）则表 示在节点间相互联系的多维数据数组，即张量（Tensor），这种基于流的架构让 TensorFlow具有非常高的灵活性。

TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。