TensorFlow

TensorFlow 是一个面向机器学习和人工智能的开源软件框架，由谷歌开发并维护，核心用途是神经网络的训练与推理（部署运行）。

概述

TensorFlow 最初源自谷歌内部的机器学习系统，后来以 Apache 2.0 许可证开源，任何人都可以免费使用和修改。它的名字来自「张量」（Tensor，可以理解为多维数组）和「流」（Flow，指数据在计算图中的流动），形象地概括了深度学习计算的基本方式：数据以张量形式在一层层运算节点之间传递。

开发者用它可以搭建、训练各种规模的神经网络模型，从简单的线性回归到大型深度学习模型都能胜任。它支持 CPU、GPU 以及谷歌自研的 TPU 加速芯片，既能在单台电脑上跑实验，也能扩展到大规模集群做分布式训练。在深度学习框架领域，TensorFlow 与 PyTorch 是最主流的两大选择：前者以工程化和部署生态见长，后者在科研社区更受欢迎。

核心功能

• 模型训练：提供自动求导、优化器、损失函数等完整工具链，配合高层接口 Keras 可以用很少的代码搭建神经网络。
• 模型部署：通过 TensorFlow Serving、TensorFlow Lite（现称 LiteRT）和 TensorFlow.js，模型可以部署到服务器、手机、嵌入式设备甚至浏览器中运行。
• 硬件加速：原生支持 GPU 和 TPU，能显著缩短大模型的训练时间。
• 丰富生态：拥有预训练模型库、可视化工具 TensorBoard、数据处理工具等配套组件，社区教程和资料非常丰富。

典型应用场景

TensorFlow 被广泛用于图像识别、语音识别、自然语言处理、推荐系统等领域。谷歌自家的搜索、翻译、相册等产品都曾大量使用它，许多企业也用它把训练好的模型落地到生产环境。对中文学习者来说，它是入门深度学习最常见的框架之一，官方文档提供了中文版本。

常见问题

问：TensorFlow 是免费的吗？答：是的。它以 Apache 2.0 开源许可证发布，个人和商业用途都可以免费使用。

问：TensorFlow 和 PyTorch 该选哪个？答：两者能力相近。PyTorch 写法更贴近原生 Python、调试直观，科研论文中使用更多；TensorFlow 在移动端、浏览器等生产部署方面工具链成熟。初学者选任意一个入门都可以，概念是相通的。

问：学 TensorFlow 需要什么基础？答：需要会 Python 编程，最好了解基本的线性代数和概率知识。借助内置的 Keras 高层接口，新手也能较快上手搭建简单模型。