一、深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
二、TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。
Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。
TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口（Application Programming Interface, API） [2] 。自2015年11月9日起，TensorFlow依据阿帕奇授权协议（Apache 2.0 open source license）开放源代码。
三、官网学习地址：https://tensorflow.google.cn/
四、总体讲，深度学习是机器学习的延生。他是基于机器学习，在进行深化。通过样本数据训练、学习。从而预测想要的结果。而TensorFlow是谷歌花了很多的精力打造出来的一套关于深度学习的框架。
他主要使用方式是用于图像和语音识别。
优点：架构好、跨平台、接口丰富、易部署、更加灵活。
缺点：性能，框架偏重。
其他深度学习框架：PaddlePaddle、Caffe、Theano、MXNet、Torch和PyTorch
五、下面我会详细介绍TensorFlow的框架和深度学习中涉及的一些概念，本博客所使用的TensorFlow版本为1.0版本，目前最高版本1.14。
1）Python之TensorFlow的基本介绍