Tensor Flow 深度框架的学习（第二天）

第二天的学习内容：

        1.Tensor Flow 技术特性：

       （1）.编程模型：数据流模型

       （2）.语言：python、C++、Go、Rust、Java等

       （3）.部署：Code once，run everywhere（一次编写，各处运行）

       （4）.计算资源：CPU(中央处理器，超大规模的集成电路)、GPU（图形处理器，用于个人电脑、游戏机和一些移动设备上图像运算工作的微处理器）、TPU（Tensor Processing Unit，张量（在计算图的边中流动的数据）计算单元，主要用作推断->谷歌为深度学习计算定制的芯片）

       （5）.实现方式：单机实现和分布式实现

       （6）.平台支持：谷歌云平台、Hadoop（由Apache基金会所开发的分布式系统基础框架）分布式文件系统

       （7）.数字表达：数学计算图表达、自动微分（不太明白，求指点）

       （8）.优化：共同子图消除（没弄懂）、异步核（不同的核心可以以相同或不同频