TensorFlow

　　TensorFlow可被用于語音識(shí)別或圖像識(shí)別等多項(xiàng)機(jī)器深度學(xué)習(xí)領(lǐng)域，對(duì)2011年開發(fā)的深度學(xué)習(xí)基礎(chǔ)架構(gòu)DistBelief進(jìn)行了各方面的改進(jìn)，它可在小到一部智能手機(jī)、大到數(shù)千臺(tái)數(shù)據(jù)中心服務(wù)器的各種設(shè)備上運(yùn)行。TensorFlow將完全開源，任何人都可以用。

　　支持算法

　　TensorFlow表達(dá)了高層次的機(jī)器學(xué)習(xí)計(jì)算，大幅簡化了第一代系統(tǒng)，并且具備更好的靈活性和可延展性。TensorFlow一大亮點(diǎn)是支持異構(gòu)設(shè)備分布式計(jì)算，它能夠在各個(gè)平臺(tái)上自動(dòng)運(yùn)行模型，從手機(jī)、單個(gè)CPU/GPU到成百上千GPU卡組成的分布式系統(tǒng)。[1]

　　從目前的文檔看，TensorFlow支持CNN、RNN和LSTM算法，這都是目前在Image，Speech和NLP最流行的深度神經(jīng)網(wǎng)絡(luò)模型。

　　開源意義

　　這一次的Google開源深度學(xué)習(xí)系統(tǒng)TensorFlow在很多地方可以應(yīng)用，如語音識(shí)別，自然語言理解，計(jì)算機(jī)視覺，廣告等等。但是，基于以上論點(diǎn)，我們也不能過分夸大TensorFlow這種通用深度學(xué)習(xí)框架在一個(gè)工業(yè)界機(jī)器學(xué)習(xí)系統(tǒng)里的作用。在一個(gè)完整的工業(yè)界語音識(shí)別系統(tǒng)里，除了深度學(xué)習(xí)算法外，還有很多工作是專業(yè)領(lǐng)域相關(guān)的算法，以及海量數(shù)據(jù)收集和工程系統(tǒng)架構(gòu)的搭建。

　　不過總的來說，這次谷歌的開源很有意義，尤其是對(duì)于中國的很多創(chuàng)業(yè)公司來說，他們大都沒有能力理解并開發(fā)一個(gè)與國際同步的深度學(xué)習(xí)系統(tǒng)，所以TensorFlow會(huì)大大降低深度學(xué)習(xí)在各個(gè)行業(yè)中的應(yīng)用難度。[1]

　　中文文檔

　　官方文檔中文版[2]通過協(xié)同翻譯，現(xiàn)已上線，國內(nèi)的愛好者可以通過GitHub協(xié)作的方式查看并完善此中文版文檔。