TensorFlow 是一個開源的、基於 Python 的機器學習框架，它由 Google 開發，並在圖形分類、音頻處理、推薦系統和自然語言處理等場景下有着豐富的應用，是目前最熱門的機器學習框架。
除了Python，TensorFlow 也提供了 C/C++、Java、Go、R 等其它編程語言的接口。
任何曾經試圖在 Python 中只利用 NumPy 編寫神經網絡代碼的人都知道那是多麼麻煩。編寫一個簡單的一層前饋網絡的代碼尚且需要 40 多行代碼，當增加層數時，編寫代碼將會更加困難，執行時間也會更長。
TensorFlow 使這一切變得更加簡單快捷，從而縮短了想法到部署之間的實現時間。在本教程中，你將學習如何利用 TensorFlow 的功能來實現深度神經網絡。
TensorFlow 是由 Google Brain 團隊爲深度神經網絡（DNN）開發的功能強大的開源軟件庫，於 2015 年 11 月首次發佈，在 Apache 2.x 協議許可下可用。截至今天，短短的兩年內，其 GitHub 庫大約 845 個貢獻者共提交超過 17000 次，這本身就是衡量 TensorFlow 流行度和性能的一個指標。
圖 1 列出了當前流行的深度學習框架，從中能夠清楚地看到 TensorFlow 的領先地位：
圖 1 TensorFlow的領先地位示意圖
先來了解一下 TensorFlow 究竟是什麼，以及它爲什麼在 DNN 研究人員和工程師中如此受歡迎。
開源深度學習庫 TensorFlow 允許將深度神經網絡的計算部署到任意數量的 CPU 或 GPU 的服務器、PC 或移動設備上，且只利用一個 TensorFlow API。你可能會問，還有很多其他的深度學習庫，如 Torch、Theano、Caffe 和 MxNet，那 TensorFlow 與其他深度學習庫的區別在哪裏呢？包括 TensorFlow 在內的大多數深度學習庫能夠自動求導、開源、支持多種 CPU/GPU、擁有預訓練模型，並支持常用的NN架構，如遞歸神經網絡（RNN）、卷積神經網絡（CNN）和深度置信網絡（DBN）。
TensorFlow 則還有更多的特點，如下：
- 支持所有流行語言，如 Python、C++、Java、R和Go。
- 可以在多種平臺上工作，甚至是移動平臺和分佈式平臺。
- 它受到所有云服務（AWS、Google和Azure）的支持。
- Keras——高級神經網絡 API，已經與 TensorFlow 整合。
- 與 Torch/Theano 比較，TensorFlow 擁有更好的計算圖表可視化。
- 允許模型部署到工業生產中，並且容易使用。
- 有非常好的社區支持。
- TensorFlow 不僅僅是一個軟件庫，它是一套包括 TensorFlow，TensorBoard 和 TensorServing 的軟件。
谷歌 research 博客列出了全球一些使用 TensorFlow 開發的有趣項目：
- Google 翻譯運用了 TensorFlow 和 TPU（Tensor Processing Units）。
- Project Magenta 能夠使用強化學習模型生成音樂，運用了 TensorFlow。
- 澳大利亞海洋生物學家使用了 TensorFlow 來發現和理解瀕臨滅絕的海牛。
- 一位日本農民運用 TensorFlow 開發了一個應用程序，使用大小和形狀等物理特性對黃瓜進行分類。
使用 TensorFlow 的項目還有很多。本教程旨在讓讀者理解 TensorFlow 在深度學習模型中的應用，使讀者可以輕鬆地將模型用於數據集並開發有用的應用程序。每章包含一系列處理技術問題、依賴性、代碼和解讀的示例，在每章的最後，還有一個功能完善的深度學習模型。