零基础学TensorFlow（二）：初识TensorFlow

前言

第一篇文章中我们成功的安装了TensorFlow，并且在代码中引入了TensorFlow。但是对于零基础的我来说，仍然没有搞清楚TensorFlow是个什么东东（相信很多人都感觉这水平很low），在这篇文章中介绍一下TensorFlow是怎么来的，又是干啥的~

TensorFlow是什么

当开始学习TensorFlow的时候，一般都会找到官网进行学习。对于TensorFlow是什么，官网有一段说明：

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

在我理解了TensorFlow之后再看这段话，感觉说的非常明白，但是在使用之前看这个，真心没明白啥意思。那么我就用最通俗的话解释一下。TensorFlow，英语直译，张量流动。那么什么是张量呢？如 A.Zee 书中所说:

A tensor is something that transforms like a tensor! 一个量, 在不同的参考系下按照某种特定的法则进行变换, 就是张量

对于工程上的人来说，可以简单理解为一些数据，这些数据可能是矩阵可能是数组，这些数据在使用TensorFlow这个工具的时候进行了一些变换。
那么如何理解Flow呢？可以想象为数据经过每一步运算。
举个例子，可以把TensorFlow理解为汽车流水线的生产线，这条生产线是工具，我们的原料相当于输入，我们的汽车，相当于输出，而汽车每一步的装配，相当于运算。
俯瞰整个汽车车间，相当于看到了一张数据流图（Data Flow Graph）

当然，TensorFlow也为我们提供了很多工具帮助我们完成工作，例如，激励函数，归一化方法，梯度下降方法，这些方法对于机器学习的工作很有帮助。

TensorFlow能干什么

他能代替我们进行一些分析工作，我们可以输入一些数据，经过一系列的运算得出某些结论。
对于医疗工作者，我们可以输入一些图像，例如CT，彩超。。。经过和正常人的图像，癌症病人的图像进行分析，最后得出是否有癌症风险的结论。
对于金融圈来书，可以输入一些以往的股票数据，训练出一个模型，分析股票未来的情况。
当然这中间的算法非常重要（这个算法可以理解为生产线上的技术工人）。
以上都是个人的分析，可能有不正确的地方，欢迎大家指出~，刚刚开始接触，请多多包涵。