內容摘錄自張玉巨集的《深度學習之美》，作為自己的學習筆記！
tensorflow為什麼要取這麼乙個名字呢？這自然也是有講究的 。
tensor flow的命名源於其執行原理：
在機器學習巾，數值通常由4 種型別構成：tensor flow 是一款優秀的深度學習框架，它在諸多方面都有著卓越的表現。 比如，設計神經網路結構的**非常簡潔，部署也比較便利。 特別是有技術實力雄厚的 google 為其「站台」， 擁歪者眾多，也在很大程度上保證了其社群的活躍度，從而也導致 tensorflow 在技術演化之路上更新迭代非常快，基本上每週都有上萬行**的提交。標量（ scalar )：是乙個數值，它是計算的最小單元，如「1」或「3.2」 等。
向iil (vector ）：由一些標量構成的一維陣列，如[1 , 3.2, 4.6］等。
矩陣（ matrix ）：由標量構成的二維陣列。
張量（ tensor ）：曲多維（通常 n >3 ）陣列構成的資料集合．可理解為高維矩陣。
tensor flow 的優點主要表現在如下 3 個方面：
( 1 ) tensorflow 有乙個非常直觀的構架。 顧名思義，它有乙個「張量流「。使用者可以很容 易地、視覺化地看到張量流動的每乙個環節（需要借助 tensorboard，在後面的章節會有所提及）。
( 2 ) tensorf!ow 可輕鬆地在 cpu/gpu 上部署，進行分布式計算，為大資料分析提供計算能力的支撐。
( 3 ) tensorf!ow 跨平台性好， 靈活性強。 tensorflow 不僅可在 linux、 mac 和 windows 系統中執行，甚至還可在移動終端下工作。
當然， tensorflow也有不足之處。 主要表現在，它的**比較底層，需要使用者編寫大量的**，而且有很多相似的功能，使用者不得不 「重造輪子」。 但瑕不掩瑜， tensorflow還是以雄厚 的技術積澱、穩定的效能， 一騎紅塵，「笑傲」於眾多深度學習框架之巔。
深度學習框架
近一年來，深度學習的風起雲湧，產生了許多令人興奮的成果，同時，深度學習框架也是百家爭鳴。經過這一年的觀察，tensorflow 似乎成為了一種潮流，並且越來越多的框架開始為 keras 提供支援，它可能會成為一種標準。今後選擇keras框架作為深度學習的目標。keras 被認為是構建神經網路的未來，...
深度學習初探（二）深度學習框架
theano 是最早的深度學習框架之一，是乙個基於 python 語言 定位底層運算的計算庫，theano 同時支援 gpu 和 cpu 運 算。由於theano 開發效率較低，模型編譯時間較長，同時開發人員轉投tensorflow 等原因，theano 目前已經停止維護 scikit learn ...
TensorFlow深度學習框架
tensorflow支援python和c 兩種程式語言，再複雜的多層神經網路模型都可以用python來實現，如果業務使用其他程式設計也不用擔心，使用跨語言的grpc或者http服務也可以訪問使用tensorflow訓練好的智慧型模型。tensorflow 是乙個採用資料流圖 data flow gr...