一. TensorFlow 的发展历程
近几年，随着深度学习技术的快速发展，诞生了 Torch、Theano、Caffe、MxNet 等一批深度学习库，而 TensorFlow 正是这些框架中的佼佼者，得益于其 优秀的架构设计理念及工程实现，以及丰富的学习资料，目前 TensorFlow 已经超越 Caffe（目前已经不怎么更新了） 成为使用率最高的DL框架，大有成为机器学习领域的Android之势。
TensorFlow 优势
在于强大的分布式计算能力，相较于 Caffe 等传统单机版系统有不可比拟的优势，这得益于Google在分布式计算层面的技术优势。另外，对于Android系统的原生支持 也给 TensorFlow 带来了庞大的用户量。
TensorFlow 由Google 工程大神
Jeff Dean
领衔开发。字面意思来看，Tensor（张量）表示N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow 为张量从流图的一端流动到另一端计算过程。
二. TensorFlow 版本、SDK
TensorFlow 目前版本为 1.8.0。
主要支持 python/C++ 接口，1.5及以后版本只支持CUDA9.0，另外也可以选择 R、Go 语言API（需要第三方支持） 以及 Keras，不作为讨论内容。
官网地址：
https://www.
www.tensorflow.org/versions
GitHub：
https://
https://github.com/tensorflow/tensorflow/releases
三. 模块结构
TensorFlow 分为
Front End
和
Exec System
，
Front End
是指 API接口，
Exec System
对应Work执行。层次结构图示意如下：
对应模块描述为：
模块组成功能说明备注 Client
主要用于计算图构造，并调用后端的Runtime，进行计算图的执行；
Runtime Master
负责总体计算任务分配及合并，包括：
A） 接收前端Session数据，优化计算图（消除冗余计算，常量折叠等）；
B） 拆分任务，将计算图分裂为子图，发送给Work；
C） 协同任务，得到计算结果；
Worker
A） 根据图节点的依赖，调用Kernel完成计算；
B） 将计算结果发送到其他Worker；
C） 接受来自其他Worker的计算结果； 执行实际计算
Kernel
根据当前可用的硬件环境(GPU/CPU)，执行OP计算
OP计算是指对不同硬件的统一封装调用，属于一种多态应用技术。CPU, GPU, Arm, X86
Device 设备网络层
支持硬件封装 - CPU GPU Android IOS
支持网络通信 - gRPC RDMA
四. 认识数据流图
TensorFlow 通过数据流图进行计算，何为数据流图？ 来看个例子（左图是一个典型的计算图，右图描述计算过程）：
数据流图
是 用
Node（结点）
和
Edge(边)
的有向图来描述数学计算：
Node
用来表示
输入/输出 数据
（对应
起始终止点
），也就是
Tensor - 张量
，对应左图圆形；
也用来表示
数学操作
，对应左图矩形。
Edge
表示
Node
之间的输入/输出关系，计算过程即
数据流动过程 - Flow
。
左图公式对应TensorFlow代码（先熟悉一下）：
import tensorflow as tf
b = tf.Variable( tf.zeros([100]) ) # 100-d vector, init to 0 W = tf.Variable( tf.random_uniform([784,100],-1,1) ) # 784*100 matrix W/rnd vals x = tf.nn.relu(tf.matmul(W, x) + b) # Relu(W * x +b) C = [...] #Const computed as a function
s = tf.Session() for step in xrange(0, 10):
input = ...construct 100-D input array ... # Create 100-d vector for input
result = s.run(C, feed_dict={x: input} ) # Fetch cost,feeding x=input
print step, result
五. TensorFlow 的学习步骤
大多数Blog 只是人云亦云，以转载抄袭为主，参考价值不大，作者在整理资料的同时（
Blog仅作为本人学习和备忘，请勿转载
），给初学者的学习思路如下：
1）看书 or 少数有价值的Blog
市场上很多书都是骗钱的，某某号称TensorFlow工程总监推荐，销量榜很高，作为菜鸟级的初步了解尚可，实际用作用不大，当然这个也根据个人实际情况，做好甄别和筛选。
另外Blog 也不少，一搜一大把，凑热闹的居多，不置可否。
2）教程
个人认为最好的入门工具还是官方的白皮书，不需要花钱，很多书和教程都是由此而来，有的改都没改。
同时可以在本公众号后回复“
教程
”，即可看到高质量的视频教程~大神带你入门带你飞
3）代码
代码是学习最好的帮手，这个不需要质疑，Github上Down下来代码，自己Run例子。
你需要了解里面的 模块结构 和 类划分，这对于理解框架以及熟练使用是很有帮助的。
4）学好工具的使用
一定要熟练掌握 TensorFlow 的工具，特别是可视化工具 TensorBoard，作者会在后面拿出一章进行讲解。
另外，要掌握相关调试方法（后续文章也会介绍）。
往期精彩回顾
Google家的”撩书“与学习英语利器！
【重磅】TensorFlow中文社区论坛上线啦！
深度学习与神经网络概述
