“TensorFlow”框架核心：强大的计算图能力

TensorFlow最初是源于Google内部使用的一个深度学习框架。在2015年年底，Google开源了TensorFlow，使得所有的深度学习工作者都可以利用这个机器学习框架进行模型开发。 

事实上，TensorFlow 的功能不局限于深度学习，它的本质功能是定义和实现一个计算图。因此，任何一个可以抽象为计算图模型的问题，都可以用TensorFlow 来解决。

什么是图计算？ 在使用TensorFlow实现机器学习模型的训练时，首先需要先定义计算图。即先定义一个从原始样本输入到最终输出的计算流程。简单地说，就是实现一个算法，定义如何从样本的原始输入变量，通过各种各样的神经网络计算单元，得到最终的模型输出结果。而这个计算流程本身就是神经网络的前向预测模型。在计算流程中所涉及的各种各样的参数，就是待优化的模型参数。TensorFlow 会把这个模型（也即计算流程）自动转换为对应的计算图并存储起来。