TensorFlow入门教程：2：概述

在这篇文章中，我们将会学习tensorflow相关的基础知识，以及继续改造和进一步理解10+32=42中，tensor是怎样flow的。

机器学习 vs 传统算法

Tensorflow是一个用于创建和发布机器学习模型的框架。传统的算法中，我们会编写程序清楚地写下规则告诉计算机在所有的情况下应该怎样做。而机器学习算法里，我们不会显示的列出所有规则，而是喂给它数据称之为训练，而机器学习则会通过这样的训练得到它自己的规则，这就是和传统算法最显著的差别。

名称的由来

这个要从tensorflow的设计初衷出发，tensorflow不是被设计用来直接完成神经网络等的实现，而是为了处理许多不确定的有差别的个体要素所组成的大量数据，而这些数据可以存放在多维数组之中，而这些多维数组就被称为tensor。而操作这些数据，我们一般需要构建一个computional graph，比如BP网络就是这样做的，而整个过程就是数据在构建的这个系统中的流动的过程。在这篇文章中，我们将会继续炒一下冷饭，看一下上一篇的helloworld中的那个神奇的42的加法在tensorflow中的具体含义，看看这些tensor是如何flow的。

应用领域

tensorflow已经开始在很多领域展开了应用实践的落地，尤其是一些传统解决起来比较负责的领域，恰恰是tensorflow的强项，比如：

• 图像识别
• 语音识别
• 图像风格转换
• 自动翻译

同类框架

研究Deep Learning，Tensorflow不是第一个也不是唯一的一个，类似的还有很多，比如

项目	详细
theano	http://deeplearning.net/software/theano/
torch	ht