1、TensorFlow是什么

• TensorFlow是Google的在深度学习领域非常或的开源软件库
• 采取数据流图，用于数值计算
• 支持多平台-GPU，CPU、移动设备
• 数据流图，如下：
  节点：处理数据
  线：节点简的输入输出关系

2、TensorFlow特性

• 高度的灵活性
• 真正的可移植性
• 产品和科研相结合
• 自动求微分
• 多语言支持（Python，R，C++，Java）
• 性能最优化

3、TensorFlow发展历程

• 2015年11月发布0.1版本
• 2017年2月发布1.0版本
• 2019年春发布2.0版本

4、TensorFlow 1.0

• 架构：
  

• 缺点：

  • API混乱
  • 入门困难，入了门依旧困难
  • 大批研究人员转向PyTorch（语法接近python语法）

5、TensorFlow 2.0

• 主要特性

  • 使用tf.keras 和eager mode 进行更加简单的模型构建
  • 鲁棒的跨平台模型部署
  • 强大的研究试验
  • 清除不推荐使用的api和减少重复来简化api

• 架构：
  

• 简化的模型开发流程

  • 使用tf.data加载数据
  • 使用tf.keras构建模型，也可以使用怕热码的 estimator来验证模型
  • 使用TensorFlow hub 进行迁移学习
  • 使用eager mode 进行运行和调试
  • 使用分发策略来进行分布式训练
  • 到处到SavedModel
  • 使用TensorFlow Server，TensorFlow Lite，TensorFlow js部署模型

• 强大的跨平台能力

  • TensorFlow服务，直接通过http、rest或grpc协议缓冲区
  • TensorFlow Lite-可部署在Android，iOS和嵌入式系统上
  • TensorFlow js-在JavaScript中部署模型
  • 其他语言：C，Java，Python，Go

• 强大的研究试验

  • Keras功能API和子类API，允许创建复杂的拓扑结构
  • 自定义训练逻辑，使用tf.GradientTap和tf.custom_gradient进行更细粒度的控制
  • 底层API自始至终可以与高层结合使用，完全的可定制
  • 高级扩展：Ragged Tensors，Tensor2Tensor等
•