TenforFlow为人类带来的福音不仅仅局限于保护濒危物种和农业选种中。发射科医生通过调整TensorFlow，使其在医学扫描中能够识别帕金森病的迹象；湾区的数据科学家在树莓派上使用TensorFlow来追踪记录加州火车的动态......

　　?解读TensorFlow

了解了TensorFlow在我们生活中的应用及场景，我们再回到这项技术本身。不妨从TensorFlow的几大特点入手来进一步了解它：

高度的灵活性

Tensorflow不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用Tensorflow。你负责构建图，描写驱动计算的内部循环，Tensorflow负责提供有用的工具来帮助你组装“子图”（常用于神经网络）。此外，用户也可以自己在Tensorflow基础上写自己的“上层库”。万一你找不到想要的底层数据操作，你也可以自己写一点C++代码来丰富底层的操作。

真正的可移植性（Portability）

Tensorflow在CPU和GPU上运行，可以在台式机、服务器、手机移动设备等等你可以想到的设备上进行操作。如果你想在笔记本上跑一下机器学习的新想法，或是准备将你的训练模型在多个CPU上规模化运算，又不想修改代码，亦或是想要将你训练好的模型作为产品的一部分用到手机app里，Tensorflow都可以帮你办到。

多语言支持

Tensorflow有一个易用的python使用界面来构建和执行你的graphs，也同時支援C++使用界面來達成高效能運算。你可以直接写python/C++程序，也可以用交互式的ipython界面来用Tensorflow尝试些想法。当然这仅仅是个起点——你还可以应用你喜欢的其他语言界面，比如Go，Java，Lua，atv，Java，或者是R。（来源：tensorflow中文主页）

讲到这里，我们不得不感谢Google，在一年前将这个兼具灵活性、可移植性与多语言能力的深度学习技术开源出来。从TensorFlow问世的那天起，语音识别、自然语言处理、计算机视觉、广告等领域就注定要迎接一轮革新性的改变。打个不太恰当的比喻，如今 Google 对待 TensorFlow 系统，有点类似于该公司对待旗下移动操作系统 Android。

Google Tensorflow的项目负责人Jeff Dean曾经提出愿景，希望让全世界的所有人都能够从机器学习与人工智能中获益，期待在全球范围内应用Tensorflow技术。Google开源Tensorflow使得更多的数据科学家可以开始使用 Google的系统来从事机器学习方面的研究，通过全世界开发者的通力合作不断优化该技术，从而有利于Google对日益发展的机器学习行业拥有更多的主导权。

事实上，发布只有一周年的时间的TensorFlow技术，并不完美，但可以帮助用户进行信息筛选，节省大量时间。其中包含的反馈机制也可以让系统本身不断从错误中学习改进。Google虽然尚未打造无所不能的人工智能系统，但却加强了人类和机器的有效协作。TensorFlow技术的开源性使得开发者能够与大学以及诸多初创企业的开发人员进行合作，接触新的理念，实现功能多样化，推进技术发展，从而打造完整的价值生态系统，提升企业的竞争优势。简而言之，TensorFlow没有改变世界，但它可以让我们生活的更好。

那么，TensorFlow的开源与发展有没有来到中国呢？答案是肯定的。众所周知，人工智能将是未来发展的大方向，从国家到全球科技领域对此都非常重视。我国的“十三五规划”中明确指出要实施智能制造工程，为TensorFlow在中国的发展提供了有利的政策支持条件。对于中国的很多创业公司来说，他们大都没有能力理解并开发一个与国际同步的深度学习系统，因此Tensorflow会大大降低深度学习在各个行业中的应用难度，极大地降低了创业公司的技术门槛。可以说，Tensorflow在中国的发展与应用前景广阔，大到国家科技战略与智慧城市的建设，小到移动设备语音助手的智能化，将英语翻译为汉语，阅读手写文字以及甚至创作原创艺术作品，我们有理由期待Tensorflow技术不断给中国百姓带来生活中的惊喜。

　　?程序员与TensorFlow