TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，其命名來源於本身的執行原理。Tensor（張量）意味著N維陣列，Flow（流）意味著基於資料流圖的計算，TensorFlow為張量從流圖的一端流動到另一端計算過程。TensorFlow是將複雜的資料結構傳輸至人工智慧神經網中進行分析和處理過程的系統。

TensorFlow可被用於語音識別或影象識別等多項機器學習和深度學習領域，對2011年開發的深度學習基礎架構DistBelief進行了各方面的改進，它可在小到一部智慧手機、大到數千臺數據中心伺服器的各種裝置上執行。TensorFlow將完全開源，任何人都可以用。

以上是tensorflow的官方解釋，tensorflow主要用於深度學習的程式設計，用tensor（張量）來編譯各個資料。

下面介紹tensorflow新手入門的一些函式：

tf.placeholder():在程式過程中輸入的引數，可以多次賦值，輸入和輸出

tf.Variable():變數，在學習過程中被多次修改，通常為神經網路中所需調整的引數，權重和閾值等

tf.constant():tensorflow中的常數，不能修改

sess = tf.Session()：tensorflow中如果進行計算，必須對變數sess.run（），否則輸出的是變數的型別，而不是值

node1 = tf.constant(3.0,tf.float32) node2 = tf.constant(4.0) print(node1,node2) sess = tf.Session() print(sess.run(node1),sess.run(node2)) node3 = tf.add(node1, node2) print("node3: ", node3) print("sess.run node3:", sess.run(node3))

Tensor("Const_12:0", shape=(), dtype=float32) Tensor("Const_13:0", shape=(), dtype=float32) 3.0 4.0 node3:  Tensor("Add_3:0", shape=(), dtype=float32) sess.run node3: 7.0

tf.global_variables_initializer()：對全域性變數進行初始化，如果不初始化的話，輸出的是空矩陣