本笔记参考tensorflow.org的教程，翻译并记录作者的学习过程，仅供参考，如有不当之处，请及时指出并多多包涵。

TensorFlow是一款开源的数学计算软件，使用data flow graphs的形式进行计算。这种灵活的架构允许我们使用相同的API在单或多CPUs或GPU，servers设置移动设备上进行计算。

Data Flow Graph: 使用有向图的节点和边共同描述数学计算。graph中的nodes代表数学操作，也可以表示数据输入输出的端点。边表示节点之间的关系，传递操作之间互相 使用的多位数组（tensors，张量），tensor在graph中流动——这也就是TensorFlow名字的由来。一旦节点相连的边传来了数据流， 节点就被分配到计算设备上异步的（节点间）、并行的（节点内）执行。参见上图。

TensorFlow的特点：

1. Deep Flexibility: TensorFlow并不只是一个规则的neural network库，事实上如果你可以将你的计算表示成data flow graph的形式，就可以使用TensorFlow。用户构建graph，写内层循环代码驱动计算，TensorFlow可以帮助装配子图。定义新的操作 只需要写一个Python函数，如果缺少底层的数据操作，需要写一些C++代码定义操作。
2. True Portability: 可以应用在不同设备上，cpus，gpu，移动设备，云平台等
3. Connect Research and Production
4. Auto-Differentiation:TensorFlow的自动差分能力对很多基于Graph的机器学习算法有益？？
5. Language Options: TensorFlow很容易使用，有python接口和C++接口。其他语言可以使用SWIG工具使用接口。（SWIG，Simplified Wrapper and Interface Generator， 是一个非常优秀的开源工具，支持您将C/C++代码与任何主流脚本语言相集成。）
6. Maximize Performance: 充分利用硬件资源。TensorFlow可以将graph的不同计算单元分配到不同设备执行，使用TensorFlow处理副本。