TensorFlow能够让你直接解决各种机器学习任务目标就是在一般情况下，无论你遇到什么问题TensorFlow都可以在一定程度上提供API的支持。

总的来说TensorFlow就是为了快而设计的所以它针对你实際使用的硬件和平台做了优化。

其中在机器学习框架方面TensorFlow的真正独特之处在于，能够在5行或者10行代码中构建模型然后应用这个模型，進行扩展做出产品

因此，你能够在几十甚至几百个机器的簇上进行训练从而用该模型进行非常低的延迟预测。
TensorFlow自发布以来 就成为了GitHub仩排名第一的机器学习开源库 。如今谷歌有6千多个产品使用了TensorFlow。

事实上几乎谷歌所有的主要产品都使用TensorFlow，并以某种形式进行机器学习
随着显卡的发展，GPU越来越强大而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA让显卡可以用于图像计算以外的目的。
深度学习的实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学習更有用的特征从而最终提升分类或预测的准确性。因此“深度模型”是手段，“特征学习”是目的区别于传统的浅层学习，深度學习的不同在于：1）强调了模型结构的深度通常有5层、6层，甚至10多层的隐层节点；2）明确突出了特征学习的重要性也就是说，通过逐層特征变换将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易与人工规则构造特征的方法相比，利用大數据来学习特征更能够刻画数据的丰富内在信息。
人工智能、机器学习、神经网络、深度学习的关系