TensorFlow是一個採用資料流圖（data flow graphs）用於數值計算的開源軟體庫。它最初是由Google大腦小組的研發人員設計開發的，用於機器學習和神經網路方面的研究。但是這個系統的通用性使其也可以廣泛的應用於其他的計算領域。
TensorFlow的命名是根據它的原理來的，Tensor（張量）意味著N維陣列，Flow（流）意味著基於資料流圖的計算。TensorFlow執行過程就是張量從圖的一端流動到另一端的計算過程。張量從圖中流過的直觀影象是這個工具取名為“TensorFlow”的原因。
TensorFlow的特性：
（1）高度的靈活性：TensorFlow不是一個嚴格的“神經網路”庫。只要你可以將你的計算表示為一個資料流圖，你就可以使用它。
（2）可移植性：TensorFlow可以執行在桌上型電腦、伺服器、移動裝置等，可在多CPU和多GPU上執行，充分利用計算資源。
（3）TensorFlow提供了一套Python使用介面來構建和執行graphs，同樣也提供了C++使用的介面（目前訓練神經網路只支援python，C++介面智慧使用已經訓練好的模型）。未來還會支援JAVA、Go等。
（4）效能最優化：TensorFlow給予了執行緒、佇列、非同步操作等最佳的支援，它可以充分發揮你手上的硬體裝置，充分利用多CPU和多GPU。
TensorFlow中的關鍵詞理解：
1、圖（Graph）:圖描述了計算的過程，TensorFlow使用圖來表示計算任務。
2、張量（Tensor）:表示資料，每一個Tensor是一個型別化的多維陣列。
3、操作（op）:圖中的節點被稱為op，一個op獲得0個或多個Tensor，執行計算，產生0個或多個Tensor。
4、會話（Session）：圖必須在稱之為“回話”的上下文中執行。“會話”將op分發到計算裝置上去執行，例如CPU或者GPU
5、變數（Variable）：執行過程中可以被改變，用於維護狀態。
注意：TensorFlow的實現上會把圖轉換成分散式執行的操作，以充分利用計算資源。通常情況下，你不需要顯示的指示CPU或者GPU。TensorFlow可以自動的進行檢測，如果檢測到GPU,它會使用第一個GPU來進行操作，如果你的機器上有多個GPU，為了使用除了第一個以外的GPU,你必須將op明確的指派給他們。
說了這麼多該說說TensorFlow的安裝了，安裝前首先注意安裝環境（這裡只說windows）：
1、Python的版本：我在裝的時候費了不少勁，因為筆記本有點年數了，是32位的，但是windows下TensorFlow只支援Python3.5（3.6沒有試過）注意啦，Python版本必須是64位python3.5。Python3.5 64位是沒法裝在32位的機器上的，幸虧我的電腦支援64位，又重灌系統，估計現在32位系統也少了，不過這的確是一個坑。
2、那就是使用Anaconda3了，在Anaconda Navigator上安裝就行了.
祝君好運！
不管做什麼事情貴在堅持，堅持下來就成功了。