深度学习框架TensorFlow取名由来

内容摘录自张玉宏的《深度学习之美》，作为自己的学习笔记！

TensorFlow为什么要取这么一个名字呢？这自然也是有讲究的 。

Tensor Flow的命名源于其运行原理：

• “Tensor”的本意是“张量”，“张量”通常表示多维矩阵。在深度学习项目中，数据大多都高于二维，所以利用深度学习处理的数据的核心特征来命名，是有意义的。

• “Flow”的本意就是“流动”，它意味着基于数据流图的计算。

• 合在一起，“TensorFlow”的意思就是，张量从数据流图的一端流动到另一端的计算过程。它生动形象地描述了复杂数据结构在人工神经网络中的流动、传输、分析和处理模式（参见图 11-3 ）。

在机器学习巾，数值通常由4 种类型构成：

1. 标量（ scalar )：是一个数值，它是计算的最小单元，如“1”或“3.2” 等。
2. 向iil (vector ）：由一些标量构成的一维数组，如[1 , 3.2, 4.6］等。
3. 矩阵（ matrix ）：由标量构成的二维数组。
4. 张量（ tensor ）：曲多维（通常 n >3 ）数组构成的数据集合．可理解为高维矩阵。

Tensor Flow 是一款优秀的深度学习框架，它在诸多方面都有着卓越的表现。 比如，设计神经网络结构的代码非常简洁，部署也比较便利。 特别是有技术实力雄厚的 Google 为其“站台”， 拥歪者众多，也在很大程度上保证了其社区的活跃度，从而也导致 TensorFlow 在技术演化之路上更新迭代非常快，基本上每周都有上万行代码的提交。

Tensor Flow 的优点主要表现在如下 3 个方面：

( 1 ) TensorFlow 有一个非常直观的构架。 顾名思义，它有一个“张量流“。用户可以很容 易地、可视化地看到张量流动的每一个环节（需要借助 TensorBoard，在后面的章节会有所提及）。

( 2 ) TensorF!ow 可轻松地在 CPU/GPU 上部署，进行分布式计算，为大数据分析提供计算能力的支撑。

( 3 ) TensorF!ow 跨平台性好， 灵活性强。 TensorFlow 不仅可在 Linux、 Mac 和 Windows 系统中运行，甚至还可在移动终端下工作。

当然， TensorFlow也有不足之处。 主要表现在，它的代码比较底层，需要用户编写大量的代码，而且有很多相似的功能，用户不得不 “重造轮子”。 但瑕不掩瑜， TensorFlow还是以雄厚 的技术积淀、稳定的性能， 一骑红尘，“笑傲”于众多深度学习框架之巅。