TensorFlow是Google Brain的第二代机器学习系统，已经开源。TensorFlow最初由Google Brain团队开发，用于Google的研究和生产，于2015年11月9日在Apache 2.0开源许可证下发布。作为正式对外开放的免费开源深度学习平台，Google 将自家 Google Brain 在人工智能领域的许多关键研究都对开发者开放。
自发布以来，TensorFlow受到了AI开发社区的广泛欢迎，是Github上最受欢迎的深度学习框架之一，也是整个社区上fork最多的项目。目前，TensorFlow已经被下载了超过790万次。
那么，TensorFlow值得我们学习吗？答案是肯定的。
与Caffe、Theano、Torch、MXNet等框架相比，TensorFlow在Github上Fork数和Star数都是最多的，而且在图形分类、音频处理、推荐系统和自然语言处理等场景下都有丰富的应用。最近流行的Keras框架底层默认使用TensorFlow，著名的斯坦福CS231n课程使用TensorFlow作为授课和作业的编程语言，国内外多本TensorFlow书籍已经在筹备或者发售中，AlphaGo开发团队Deepmind也计划将神经网络应用迁移到TensorFlow中，这无不印证了TensorFlow在业界的流行程度。
TensorFlow在很多地方可以应用，如语音识别，自然语言理解，计算机视觉，广告等等。TensorFlow是一个非常灵活的框架，它能够运行在个人电脑或者服务器的单个或多个CPU和GPU上，甚至是移动设备上。
TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。通过灵活的Python接口，要在TensorFlow中表达想法也会很容易。TensorFlow 对于实际的产品也是很有意义的。将思路从桌面GPU训练无缝搬迁到手机中运行。
而且在中国，有很多公司都在使用 TensorFlow，比如京东、腾讯、小米、出门问问等公司，都在利用 TensorFlow 搭建自己的 AI、机器学习平台。
话说回来，为什么谷歌会把Python作为TensorFlow的开发语言呢？其实TensorFlow大部分内核并不是用Python编写的 ：它是高度优化了C++和CUDA（Nvidia用于编程GPU的语言）的组合。Python可能是大量数据科学家和机器学习专家用的最舒适的语言，也是易于集成和控制C ++后端的语言，同时也是广泛使用与谷歌的公司内外和他们的开源产品。
鉴于使用TensorFlow的基本模型，Python的性能并不重要，这是一个很自然的契合。 NumPy也是一个巨大的加分，它可以很容易地在Python中进行预处理（也是高性能），然后将它们提供给TensorFlow，以获得真正CPU-heavy的东西。
所以，程序员或者是初学者，以及对代码较感兴趣的人，都可以学一学TensorFlow。
如果你想更加了解TensorFlow，或者说，如何让自己使用Python开发的机器学习模型快捷低成本的跑起来，深度兼容TensorFlow？谷歌的另一款工具或许可以帮到你，也就是谷歌的AIY Projects项目。 AIY Vision Kit附带的软件运行三个基于TensorFlow的神经网络。 其中一个基于谷歌的MobileNets平台，能够识别超过1,000个日常物品。 第二个可以在图像中发现面部和表情。 最后一个是专门用于识别猫，狗和人的神经网络。
让我们一起开启TensorFlow/人工智能学习之路吧~
