TensorFlow值得學習嗎？Python和TensorFlow哪個好？
TensorFlow是Google Brain的第二代機器學習系統，已經開源。TensorFlow最初由Google Brain團隊開發，用於Google的研究和生產，於2015年11月9日在Apache 2.0開源許可證下發布。作為正式對外開放的免費開源深度學習平臺，Google 將自家 Google Brain 在人工智慧領域的許多關鍵研究都對開發者開放。
自發布以來，TensorFlow受到了AI開發社區的廣泛歡迎，是Github上最受歡迎的深度學習框架之一，也是整個社區上fork最多的專案。目前，TensorFlow已經被下載了超過790萬次。
那麼，TensorFlow值得我們學習嗎？答案是肯定的。
與Caffe、Theano、Torch、MXNet等框架相比，TensorFlow在Github上Fork數和Star數都是最多的，而且在圖形分類、音頻處理、推薦系統和自然語言處理等場景下都有豐富的應用。最近流行的Keras框架底層默認使用TensorFlow，著名的斯坦福CS231n課程使用TensorFlow作為授課和作業的編程語言，國內外多本TensorFlow書籍已經在籌備或者發售中，AlphaGo開發團隊Deepmind也計畫將神經網路應用遷移到TensorFlow中，這無不印證了TensorFlow在業界的流行程度。
TensorFlow在很多地方可以應用，如語音識別，自然語言理解，電腦視覺，廣告等等。TensorFlow是一個非常靈活的框架，它能夠運行在個人電腦或者伺服器的單個或多個CPU和GPU上，甚至是移動設備上。
TensorFlow 內建深度學習的擴展支持，任何能夠用計算流圖形來表達的計算，都可以使用TensorFlow。任何基於梯度的機器學習演算法都能夠受益於TensorFlow的自動分化（auto-differentiation）。通過靈活的Python介面，要在TensorFlow中表達想法也會很容易。TensorFlow 對於實際的產品也是很有意義的。將思路從桌面GPU訓練無縫搬遷到手機中運行。
而且在中國，有很多公司都在使用 TensorFlow，比如京東、騰訊、小米、出門問問等公司，都在利用 TensorFlow 搭建自己的 AI、機器學習平臺。
話說回來，為什麼穀歌會把Python作為TensorFlow的開發語言呢？其實TensorFlow大部分內核並不是用Python編寫的 ：它是高度優化了C++和CUDA（Nvidia用於編程GPU的語言）的組合。Python可能是大量數據科學家和機器學習專家用的最舒適的語言，也是易於集成和控制C ++後端的語言，同時也是廣泛使用與穀歌的公司內外和他們的開源產品。
鑒於使用TensorFlow的基本模型，Python的性能並不重要，這是一個很自然的契合。 NumPy也是一個巨大的加分，它可以很容易地在Python中進行預處理（也是高性能），然後將它們提供給TensorFlow，以獲得真正CPU-heavy的東西。
所以，程式員或者是初學者，以及對代碼較感興趣的人，都可以學一學TensorFlow。
如果你想更加瞭解TensorFlow，或者說，如何讓自己使用Python開發的機器學習模型快捷低成本的跑起來，深度相容TensorFlow？穀歌的另一款工具或許可以幫到你，也就是穀歌的AIY Projects專案。 AIY Vision Kit附帶的軟體運行三個基於TensorFlow的神經網路。 其中一個基於穀歌的MobileNets平臺，能夠識別超過1,000個日常物品。 第二個可以在圖像中發現面部和表情。 最後一個是專門用於識別貓，狗和人的神經網路。
讓我們一起開啟TensorFlow/人工智慧學習之路吧~
自發布以來，TensorFlow受到了AI開發社區的廣泛歡迎，是Github上最受歡迎的深度學習框架之一，也是整個社區上fork最多的專案。目前，TensorFlow已經被下載了超過790萬次。
那麼，TensorFlow值得我們學習嗎？答案是肯定的。
與Caffe、Theano、Torch、MXNet等框架相比，TensorFlow在Github上Fork數和Star數都是最多的，而且在圖形分類、音頻處理、推薦系統和自然語言處理等場景下都有豐富的應用。最近流行的Keras框架底層默認使用TensorFlow，著名的斯坦福CS231n課程使用TensorFlow作為授課和作業的編程語言，國內外多本TensorFlow書籍已經在籌備或者發售中，AlphaGo開發團隊Deepmind也計畫將神經網路應用遷移到TensorFlow中，這無不印證了TensorFlow在業界的流行程度。
TensorFlow在很多地方可以應用，如語音識別，自然語言理解，電腦視覺，廣告等等。TensorFlow是一個非常靈活的框架，它能夠運行在個人電腦或者伺服器的單個或多個CPU和GPU上，甚至是移動設備上。
TensorFlow 內建深度學習的擴展支持，任何能夠用計算流圖形來表達的計算，都可以使用TensorFlow。任何基於梯度的機器學習演算法都能夠受益於TensorFlow的自動分化（auto-differentiation）。通過靈活的Python介面，要在TensorFlow中表達想法也會很容易。TensorFlow 對於實際的產品也是很有意義的。將思路從桌面GPU訓練無縫搬遷到手機中運行。
而且在中國，有很多公司都在使用 TensorFlow，比如京東、騰訊、小米、出門問問等公司，都在利用 TensorFlow 搭建自己的 AI、機器學習平臺。
話說回來，為什麼穀歌會把Python作為TensorFlow的開發語言呢？其實TensorFlow大部分內核並不是用Python編寫的 ：它是高度優化了C++和CUDA（Nvidia用於編程GPU的語言）的組合。Python可能是大量數據科學家和機器學習專家用的最舒適的語言，也是易於集成和控制C ++後端的語言，同時也是廣泛使用與穀歌的公司內外和他們的開源產品。
鑒於使用TensorFlow的基本模型，Python的性能並不重要，這是一個很自然的契合。 NumPy也是一個巨大的加分，它可以很容易地在Python中進行預處理（也是高性能），然後將它們提供給TensorFlow，以獲得真正CPU-heavy的東西。
所以，程式員或者是初學者，以及對代碼較感興趣的人，都可以學一學TensorFlow。
如果你想更加瞭解TensorFlow，或者說，如何讓自己使用Python開發的機器學習模型快捷低成本的跑起來，深度相容TensorFlow？穀歌的另一款工具或許可以幫到你，也就是穀歌的AIY Projects專案。 AIY Vision Kit附帶的軟體運行三個基於TensorFlow的神經網路。 其中一個基於穀歌的MobileNets平臺，能夠識別超過1,000個日常物品。 第二個可以在圖像中發現面部和表情。 最後一個是專門用於識別貓，狗和人的神經網路。
讓我們一起開啟TensorFlow/人工智慧學習之路吧~