一、深度學習(DL, Deep Learning)是機器學習(ML, Machine Learning)領域中一個新的研究方向，它被引入機器學習使其更接近於最初的目標——人工智能(AI, Artificial Intelligence)。
深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。 深度學習是一個復雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。
深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智能相關技術取得了很大進步。
二、TensorFlow™是一個基於數據流編程（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）算法的編程實現，其前身是谷歌的神經網絡算法庫DistBelief。
Tensorflow擁有多層級結構，可部署於各類服務器、PC終端和網頁並支持GPU和TPU高性能數值計算，被廣泛應用於谷歌內部的產品開發和各領域的科學研究。
TensorFlow由谷歌人工智能團隊谷歌大腦（Google Brain）開發和維護，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個項目以及各類應用程序接口（Application Programming Interface, API） [2] 。自2015年11月9日起，TensorFlow依據阿帕奇授權協議（Apache 2.0 open source license）開放源代碼。
三、官網學習地址：https://tensorflow.google.cn/
四、總體講，深度學習是機器學習的延生。他是基於機器學習，在進行深化。通過樣本數據訓練、學習。從而預測想要的結果。而TensorFlow是谷歌花了很多的精力打造出來的一套關於深度學習的框架。
他主要使用方式是用於圖像和語音識別。
優點：架構好、跨平台、接口豐富、易部署、更加靈活。
缺點：性能，框架偏重。
其他深度學習框架：PaddlePaddle、Caffe、Theano、MXNet、Torch和PyTorch
五、下面我會詳細介紹TensorFlow的框架和深度學習中涉及的一些概念，本博客所使用的TensorFlow版本為1.0版本，目前最高版本1.14。
2）Python之TensorFlow的數據的讀取與存儲-2
3）Python之TensorFlow的模型訓練保存與加載-3
4）Python之TensorFlow的變量收集、自定義命令參數、矩陣運算、梯度下降-4
6）Python之TensorFlow的（案例）驗證碼識別-6
六、源碼地址：https://github.com/lilin409546297/tenforflow_learn_demo