1.5.2 TensorFlow

TensorFlow是Google大脑推出的开源机器学习库，与Caffe一样，主要用作深度学习相关的任务。与Caffe相比，TensorFlow的安装简单很多，可以使用pip命令安装。

TensorFlow中的Tensor是张量，代表N维数组，与Caffe中的Blob类似；Flow即流，代表基于数据流图的计算。神经网络的运算过程就是数据从一层流动到下一层，TensorFlow更直接强调了这个过程。

TensorFlow最大的特点是计算图机制，即需要先定义好图，然后进行运算，所以所有的TensorFlow代码都包含以下两部分。第一部分，创建计算图。这是用于表示计算的数据流，实际上就是定义好一些操作，可以将它看作Caffe中的prototxt的定义过程。第二部分，运行会话，执行图中的运算，可以看作Caffe中的训练过程。只是TensorFlow的会话比Caffe灵活很多，由于是Python接口，取中间结果分析和调试非常方便。

TensorFlow也有内置的TF.Learn和TF.Slim等上层组件，可以帮助快速地设计新网络，并且兼容Scikit-learn estimator接口，可以方便地实现evaluate、grid search、cross validation等功能。同时TensorFlow不只局限于神经网络，其数据流图支持非常自由的算法表达，可以轻松实现深度学习以外的机器学习算法。

用户可以通过写内层循环代码控制计算图分支的计算，TensorFlow会自动将相关的分支转为子图并执行迭代运算。TensorFlow也可以将计算图中的各节点分配到不同的设备执行，充分利用硬件资源。定义新的节点只需要写一个Python函数，如果没有对应的底层运算核，那么可能需要写C++或者CUDA代码实现运算操作。