很多讀者對深度學習框架沒有直觀的了解，所以我們挑了一個比較常用的框架TensorFlow，用通俗的語言為讀者介紹。
很多年前有一個模型叫「神經網絡」，是通過模擬人腦的學習過程構建的，科學家希望用它進行一些計算和識別，總的來說是一種看起來比較完美的算法，但卻由於當時計算資源很匱乏被打入「冷宮」。
雖然很多科學家紛紛轉入了新的領域進行研究，但還是有幾個科學家堅守這個陣地。
功夫不負有心人，最近幾年由於計算能力的大幅度提升（主要是GPU的發展，看看英偉達的股票一路飄紅，你就知道這個領域多火了），神經網絡算法被這幾名科學家和工業界再次「臨床」應用，解決了語音識別和圖像分類等基礎問題。因為神經網絡是分層的，理論上層數越多，識別效果越好，所以層數更多的神經網絡，就有了新名字「深度學習」。
針對不同的領域，所用的深度學習算法也是有差異的，就像北方的豆腐腦放鹽，南方的豆腐腦放糖一樣。
一旦一個領域火了，大企業自然都想成為這個領域的龍頭，建立和培養自己的「朋友圈」，所以各家公司都在開發一些深度學習框架（框架就像一幢蓋著綠布的大樓，結構已經搭建好了，至於每層裝什麼玻璃，用什麼裝飾，得由開發者自己決定）。
TensorFlow 是谷歌的框架。還是以蓋樓為例，你對 TensorFlow 說「給我來個5層的混凝土結構的樓」,TensorFlow就能直接產生這樣一個基礎設施，不用你從0到1地去挖沙、買磚。
TensorFlow只是給了開發者一個殼，內部結構還是要根據甲方的需求，也就是你老闆交給你的具體AI任務，選用合適的機器學習算法來完成。
如果你的任務是智能識別類的，比如讓機器識花、識汽車、識鳥類，就用CNN模型；如果你的任務是做推薦系統，那你要去了解NLP算法；如果你要做一個類似Siri的語音助手，就要去學RNN和LSTM的知識。總而言之，TensorFlow已經把CNN、RNN、NLP這些經典算法的通用能力提取出來封裝好了，用到的時候直接調用接口就行。
TensorFlow是一個深度學習框架，它主要用來構建模型、訓練數據，還在移動端做了很多優化，在學術界和工業界都有廣泛應用，未來會有很大的發展。如果讀者想入門人工智慧，建議從寫一個TensorFlow Demo做起。