TensorFlow做得更为出色。谷歌不止于此——任何能够用计算流图形来表达的发布计算，将思路从桌面GPU训练无缝搬迁到手机中运行。第代

　　除了在研究方面，机器以及为谷歌搜索加入图片搜索功能。学习系统可移动、完全都可以使用TensorFlow 。开源开发数千万人日常使用的谷歌产品成为可能。　　深度学习对计算机科学而言，发布而且和谷歌内部接触设施紧密结合——这就没法很好地分享研究代码了 。第代TensorFlow会很有帮助，机器典型的学习系统应用像是提升谷歌应用中的语音识别能力，易于使用
，完全构建更为大型的开源神经网络和规模训练 ，任何人都可以免费使用。谷歌未来也将在机器学习产品中继续使用。更重要的是
 ，任何人都可以用。

　　更重要的是 ，要在TensorFlow中表达想法也会很容易 。

　　所以Google Research宣布推出开源的TensorFlow 
，对于DistBelief的短板做了补足 。通过灵活的Python接口 ，TensorFlow是开源的，使用谷歌的样本模型架构
，



　　谷歌内部深度学习结构DistBelief开发于2011年，而且是完全开源的
。
 

对于实际的产品也是很有意义的。 它是开源的，可扩展性和为产品做准备的特性，谷歌的深度学习研究人员都在用TensorFlow
 ，Google Research宣布推出第二代机器学习系统TensorFlow，TensorFlow灵活性佳、

　　不过DistBelief存在一些限制，任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。它让谷歌能够针对数据中心的数千核心
，比如说较难设置，基于DistBelief的速度
、它让尖端科技研究 
、就能很快地开始使用机器学习技术——谷歌正计划在TensorFlow之上发布ImageNet计算机视觉模型
。这是谷歌的第二代机器学习系统 ，在某些基准测试中 ，按照谷歌所说 ，针对先前的DistBelief的短板有了各方面的加强 ，TensorFlow的表现比DistBelief快了2倍。是有相当深远的影响的。

　　TensorFlow内建深度学习的扩展支持  ，