深度學習框架TensorFlow（簡稱TF）道術：架構之道， 實戰之術， 乾貨不水， 系列文章之入門篇， 分享之， 望你喜歡。
一、TF介紹
人工智慧2.0時代：現階段屬於人工智慧2.0時代，
兩代深度學習框架：DistBelief是Google第一代深度學習框架， 誕生於2011年， 在Google語音辨識、圖像搜索等應用方面取得了不錯效果， 因DistBelief與Google內部基礎設施耦合度較高， 且入門難度較大， 不適合開源， 故未開源。 TF是Goole的第二代深度學習框架， 吸取了DistBelief精華， 並在其基礎上進行了改良， 在Google幾十個項目上取得顯著成績， 於2015年11月在GitHub上開源， 是目前最受歡迎的深度學習框架， GitHub上Star接近8W， Fork接近4W， 這得益於Google背書， 受益于AlphaGo勝利。
TF支持平臺眾多：作業系統有Linux、Mac OS、Windows、Android， 硬體有CPU、GPU、TPU， 可以在上萬台伺服器集群中部署TF，
TF內置演算法眾多：監督學習（決策樹、貝葉斯）， 無監督學習（聚類、k-means）， 半監督學習（未標識資料用於訓練， 標識資料用於驗證）， 深度學習（卷積神經網路、迴圈神經網路）， 強化學習（Q-Learning）。
TF介面種類眾多：核心代碼採用C++， 支援C++、Java、Python、Go語言介面。
TF面向用戶眾多：學生用之學習、教師用之教學、研究員用之驗算法、科學家訓練科學資料、工程師用之搭建商業ML平臺。
二、TF學習之路：
TensorFlow大咖之路：懂業務、懂原理、會研發、會運維、會貢獻
TensorFlow官網是本源：
[1] TensorFlow Home Page：
www.tensorflow.org
[2] TensorFlow GitHub Page：
https://github.com/tensorflow
[3] TensorFlow White Paper：
//download.tensorflow.org/paper/whitepaper2015.pdf
三、AI學習之路：
瞭解人工智慧發展史， 瞭解目前處於什麼發展階段：從演算法驅動到資料驅動。
瞭解人工智慧產業佈局和生態鏈：底層晶片平臺、中層通用技術、上層應用+AI和AI+。
瞭解人工智慧晶片， 從GPU、到FPGA、再到TPU。
瞭解大資料技術， 這是現階段人工智慧基礎， 瞭解雲計算， 這是人工智慧運行後端。
熟悉深度學習框架， 進行二次開發和社區貢獻：Tensorflow、Caffe、CNTK等。
熟悉機器學習演算法， 特別是深度強化學習演算法， 知道三劍客：LeCun,Bengio,Hinton。
熟悉通用技術：圖像識別、語音辨識、人機交互等。
熟悉上層應用領域：汽車、安防、教育、征信、農業、傳媒、晶片等。
熟悉基礎數學知識：高數、線性代數、概率論等。
未名小宇宙， 一直在您身邊， 歡迎關注！