1.TensorFlow的概念

TensorFlow 是使用数据流图进行数值计算的开源软件库。也就是说，TensorFlow 使用图（graph）来表示计算任务。图中的节点表示数学运算，边表示运算之间用来交流的多维数组（也就是tensor，张量）。TensorFlow 灵活的架构使得你可以将计算过程部署到一个或多个CPU或GPU上。

TensorFlow 最初是由 Google Brain Team 的研究人员和工程师开发的，主要是 Google’s Machine Intelligence research organization 用来进行机器学习和深度神经网络研究的，但是这个系统在其它很多领域也是通用的。

qq%e6%88%aa%e5%9b%be20161130112948

模型的抽象表示是由框架自动处理的，这使得TensorFlow 及 Theano 特别适合发展基于梯度优化算法的新模型。

Theano 的主要缺点是对上述符号模型进行编译的时间较长，而 TensorFlow 有效地改善了这一点，也就是编译时间较短。

TensorFlow 的另一个优点是它的支持工具——TensorBoard ，将模型的训练过程可视化。这样，用户可以交互式地考察模型的结构，也可以观察参数和模型性能的改变。

TensorFlow 的开源版本只能运行在一台机器上，不过它支持多处理器（CPUs或GPUs）并行运算。

1.1 什么是数据流图？

数据流图用有向图来描述数学计算，图中有点和边。

节点通常进行数学计算，但也可以作为终点来表示结果，或者读/写持久变量（persistent variables）。

边用来描述节点之间的输入/输出关系。这些边携带不定大小的多维数组或张量。

这些节点被分配到计算装置上，异步执行。一旦所有的tensor同时到达了，就会进行并行计算。

由于图中张量（tensor）的流动（flow），所以我们称之为 TensorFlow。

Tensors Flowing

1.2 TensorFlow的特点

Deep Flexibility，灵活性。TensorFlow并不是一个死板的神经网络的库，只要你可以将你的计算过程表示成数据流图，你就可以使用TensorFlow。定义新的计算就像写一个Python函数那么简单，成本并不大。如果你看不见你需要的底层的数据操作，可以通过C++来添加。
True Portability，可移植性。TensorFlow在CPU或GPU上运行，可以在笔记本、服务器、或移动计算平台运行。不需要特殊硬件，不需要改变代码，就可以在移动设备上训练模型，封装Docker 和 TensorFlow 就可以在云上进行计算。
Connect Research and Production，学术和工业兼得。在Google，科学家们用 TensorFlow 测试新的算法，产品团队用 TensorFlow 训练模型为用户服务。
Auto-Differentiation，自动辨别。TensorFlow 的自动辨别能力有益于实现那些基于梯度的机器学习算法。当你使用TensorFlow时，你为自己的预测模型定义计算的框架结构，再加上目标函数，接着只需要添加数据，TensorFlow 就会为你计算导数，也就是梯度。
Language Options，语言选择。TensorFlow中可以使用Python接口，以及简单的C++接口，来构建和执行你的计算图（computational graphs）。如果你有兴趣，也可以提供自己所喜爱语言的接口——Lua, JavaScript, 或 R 等等。
Maximize Performance，性能最大化。TensorFlow 允许你充分利用你可用的硬件：32 CPU cores and 4 GPU cards，线程、队列及异步计算等。你可以将TensorFlow图中的计算元素自由分配到不同的设备上，交给TensorFlow来处理。

1.3 谁可以用TensorFlow？

学生、研究人员、爱好者、黑客、工程师、开发者、发明者及创新者等等。

TensorFlow目前并不完整，它需要扩展。Google只是给了一个初始版本的源代码，他们希望建立一个活跃的开源社区，以使得TensorFlow越来越好。

目前在使用 TensorFlow 的公司有：Google、Uber、Twitter、DeepMind、京东等等。

1.4 为什么谷歌将TensorFlow开源呢？

「TensorFlow」是 Google 多年以来内部的机器学习系统。如今，Google 正将此系统作为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员，这意味着什么呢？

答案很简单：Google认为，机器学习是未来创新的关键成分，这一领域的研究是全球范围的，并且发展很迅速，但就是缺乏标准工具。Google的工程师们用TensorFlow在做面向用户的产品和服务，Google的研究团队也打算分享TensorFlow的实现历程，他们希望TensorFlow能成为机器学习的最好工具之一。

打个不太恰当的比喻，如今 Google 对待 TensorFlow 系统，有点类似于对待旗下移动操作系统 Android。如果更多的数据科学家开始使用 Google 的系统来从事机器学习方面的研究，那么这将有利于 Google 对日益发展的机器学习行业拥有更多的主导权。