TensorFlow 是谷歌发布的深度学习开源的计算框架，该计算框架可以很好地实现各种深度学习算法，涉及自然语言处理、机器翻译、图像描述、图像分类等一系列技术。
简单来说，TensorFlow 为我们封装了大量机器学习、神经网络的函数，帮助我们高效地解决问题。
TensorFlow 官网：https://www.tensorflow.org
TensorFlow= Tensor +Flow：
- Tensor 翻译成“张量”，是一种多维数组的数据结构；
- Flow 翻译成“流”，是计算模型，描述的是张量之间通过计算而转换的过程。
计算图是由节点和边组成的。
TensorFlow 是一个通过计算图的形式表述计算的编程系统，每一个计算都是计算图上的一个节点，节点之间的边描述了计算之间的关系。
TensorFlow 处理结构计算见下图。
TensorFlow 首先要定义神经网络的结构，然后把数据放入结构当中去运算和训练。
因为 TensorFlow 是采用数据流图（data flow graphs）来计算，所以首先得创建一个数据流图，再将数据（数据以张量tensor的形式存在）放在数据流图中计算。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor)。
训练模型时 tensor 会不断地从数据流图中的一个节点 flow 流到另一节点，这就是 TensorFlow 名字的由来。
为什么要使用TensorFlow？
TensorFlow 无可厚非地能被认定为神经网络中最好用的库之一。它擅长的任务就是训练深度神经网络。通过使用 TensorFlow 我们就可以快速地入门神经网络，大大降低了深度学习（也就是深度神经网络）的开发成本和开发难度。
和 Python 一样，TensorFlow 的开源性让所有人都能使用并且维护巩固它，使这一计算框架能迅速更新、完善。
原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/tech/pnotes/23792.html