简介
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。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）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
概念介绍（数据流图、节点、线、张量）
数据流图用节点和线的有向图来描述数学计算。节点 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。线表示节点之间的输入/输出关系。这些数据线可以输运“size可动态调整”的多维数据数组，即张量（tensor）。张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算。
Hello World
学习新语言时，我们通常都会写一个Hello World，来熟悉开发环境的搭建。TensorFlow也不例外。接下来，我将带大家一步步搭建TensorFlow的环境，向世界问好！
1.安装Anaconda[后面说明为何选择Anaconda]
前往Anaconda下载安装包（这里以Mac系统为例，选择Python3.6version）
2.启动Anaconda，选择环境点击创建，选择环境选项（这里以Python V3.5为例）
3.安装TensorFlow包
4.运行环境
5.编写Hello World
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
自此TensorFlow的环境已搭建完成！
为何选择Anaconda？
Python易用，但用好却不易，其中比较头疼的就是包管理和Python不同版本的问题，特别是当你使用Windows的时候。为了解决这些问题，就有了不少发行版的Python，比如WinPython、Anaconda等，这些发行版将python和许多常用的package打包，方便Pythoners直接使用。个人尝试了很多类似的发行版，因为Anaconda强大而方便的包管理与环境管理的功能，最终选择了它。
参考链接
https://www.tensorflow.org/install/
https://www.anaconda.com
http://python.jobbole.com/86236/
