根据Google官方报道，谷歌于2017年举行了首届 TensorFlow Dev 峰会，会上Google 宣布正式发布TensorFlow 1.0 版本。
TensorFlow 实质上是一个编程系统，官方说法是一个使用数据流图(data flow graphs)技术来进行数值计算的开源软件库，也是人工智能时代的“操作系统”。
只要计算任务可以表示为一个数据流图，我们就可以使用Tensorflow 来构建数据流图来描述计算任务，TensorFlow 则提供有用的工具来帮助用户组装“子图”（常用于神经网络）。一旦输入端的所有数据准备好，节点将被分配到各种计算设备完成异步并行运算。
数据流图中这些数据“线”可以代表传输多维数据数组，即“张量”（tensor），张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。
第一，TensorFlow 可以用来计算包括神经网络在内的任何可使用数据流图来描述的任务，用户可以方便地根据需要来构建数据流图，TensorFlow 提供大量工具组装和调用。
第二，TensorFlow 可以在任意具备CPU 或者GPU 的设备上运行，开发人员可以专注于实现自己的想法，而不用去考虑硬件环境问题。
第三，TensorFlow 可以提升开发者所研究的东西产品化的效率，并且可以方便与同行们共享代码。
第四，能够帮助开发者充分利用硬件资源，最大化计算性能。
2011 年TensorFlow 的前身DistBelief 诞生。它是谷歌推出的第一代内部深度学习系统，能够帮助谷歌利用自家的数据中心构建大型的神经网络，可以应用于语音识别、图片搜索等等。
2015 年11 月谷歌正式开源了其第二代人工智能系统TensorFlow。
2016 年4 月14 日Google 发布了分布式TensorFlow，版本号为0.8，这是TensorFlow 发布之后的比较重大的版本更新。该版本支持异构设备分布式计算，它能够在各个硬件平台上自动运行模型。Google的博文介绍了TensorFlow 在图像分类的任务中，在100 个GPUs 和不到65 小时的训练时间下，达到了78%的正确率。
2016 年6 月TensorFlow 发布对iOS 的支持的新版本，版本号为0.9。
2017 年2 月TensorFlow 1.0 版本正式发布。TensorFlow 1.0 除了速度、灵活性都有了大幅提高之外，更是集成了集成了最热门的机器学习框架之一 Keras 以及可视化工具TensorBoard。
对于谷歌自身来讲，其开源Tensorflow 已经取得了非常明显的成效，对比其他机器学习和深度学习工具，TensorFlow 已遥遥领先。对于产业界而言，Tensorflow 降低了行业准入门槛，激发了大批创新应用。
<服务器基础知识全解(终极版)>，内容无死角全面覆盖，知识点深度讲解，提供182页完整版付费下载。
获取方式：点击“阅读原文”即可查看详情，提供PPT可编辑版本和PDF阅读版本。
温馨提示：
请搜索“AI_Architect”或“扫码”关注公众号实时掌握深度技术分享，点击“阅读原文”获取更多精彩技术干货。
