TensorFlow是一個用于Google建立和釋出的快速數值計算的Python庫。它是一個基礎庫，可用于直接建立深度學習模型，或使用包裝庫來簡化在TensorFlow之上建構的過程。
在這篇文章中，您将發現用于深度學習的TensorFlow庫。讓我們開始吧。
什麼是TensorFlow？
TensorFlow是一個用于快速數值計算的開源庫。
它由Google建立并維護，并在Apache 2.0開源許可下釋出。 雖然可以通路底層的C ++ API，但API名義上是用于Python程式設計語言的。與Theano等深度學習中使用的其他數值庫不同，TensorFlow設計用于研究和開發以及生産系統，尤其是Google搜尋中的RankBrain和有趣的DeepDream項目。
它可以在單CPU系統，GPU以及移動裝置和數百台機器的大規模分布式系統上運作。
如何安裝TensorFlow
如果您已經擁有Python SciPy環境，那麼安裝TensorFlow非常簡單。
TensorFlow适用于Python 2.7和Python 3.3+。 您可以按照TensorFlow網站上的“下載下傳和設定”說明進行操作。 通過PyPI進行安裝可能是最簡單的，并且下載下傳和設定網頁上有用于Linux或Mac OS X平台的pip指令的特定說明。
如果您願意，還可以使用virtualenv和docker圖像。要使用GPU，隻支援Linux，它需要Cuda Toolkit。
你在TensorFlow中的第一個例子
根據有向圖的結構中的資料流和操作來描述計算。
節點：節點執行計算并具有零個或多個輸入和輸出。 在節點之間移動的資料稱為張量，它是實數值的多元數組。
邊緣：該圖定義了資料流，分支，循環和狀态更新。 特殊邊緣可用于同步圖形内的行為，例如等待完成多個輸入的計算。
操作：操作是一個命名的抽象計算，它可以擷取輸入屬性并生成輸出屬性。 例如，您可以定義添加或乘法操作。
使用TensorFlow進行計算
第一個示例是TensorFlow網站上示例的修改版本。 它顯示了如何使用會話建立會話，定義常量和使用這些常量執行計算。
import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a+b))
運作此示例顯示：
42
使用TensorFlow進行線性回歸
下一個示例來自TensorFlow教程的介紹。
此示例顯示了如何定義變量（例如W和b）以及作為計算結果的變量（y）。
我們對TensorFlow有一定的了解，它将計算的定義和聲明與會話中的執行和運作調用分開。
運作此示例将輸出以下輸出：
您可以在“基本使用指南”中了解有關TensorFlow機制的更多資訊。
更多深度學習模型
您的TensorFlow安裝附帶了許多深度學習模型，您可以直接使用它們進行試驗。
鑒于TensorFlow目前這麼流行，想要學習和實踐的程式員們也可以了解下谷歌最近的AI開源項目——AIY Projects。AIY 全稱是 Artificial Intelligence Yourself，顧名思義就是利用 AI 來進行的 DIY 功能套件。借助 AIY 項目，創客可以利用人工智能來實作更像人與人交流的人機互動。谷歌目前為 AIY Projects 推出了兩款硬體産品--AIY Voice Kit 和 AIY Vision Kit。
Vision Kit 由Raspberry Pi和Intel movidius提供動力。它可以運作具有低耗處理能力的深度學習算法。Raspberry Pi Zero WH 包括視覺處理單元晶片，可以高效地運作Tensor Flow圖像處理。
而且谷歌為此還釋出了一個TensorFlow.js的工具，有了這項工具，即使不是機器視覺領域的專家，大家也可以實作很多應用場景，比如在浏覽器中訓練自己的寵物臉辨識系統，在自家的監視系統中使用等等。