在工业界，TensorFlow 比其他框架更具有优势。TensorFlow 支持异构设备的分布式计算，使得上千万、上亿数据量的模型能够有效地利用机器资源进行训练。TensorFlow 支持卷积神经网络、循环神经网络，这些都是在计算机视觉、语音识别、自然语言处理方面最流行的深度神经网络。TensorFlow 支持从研究团队快速迁移学习模型到生产团队，实现了研究团队发布模型，生产团队验证模型，构建起了模型研究到生产实践的桥梁。TensorFlow 支持直接面向终端用户的移动端（Android 系统）以及一些智能产品的嵌入式开发。另外，TensorFlow 有出色的版本管理和详细的官方文档。
本教程TensorFlow 程序设计中的关键技术主要包括以下几个方面。
TensorFlow 编程基础及实践：主要包括 TensorFlow 变量、TensorFlow 应用架构、TensorFlow 可视化技术、GPU 使用、以及 HDFS 集成使用等。
TensorFlow 系统架构及 C/C++ 编程 API：主要包括 Client，Master，Worker，Kernel 的相关系统组件及运行方式，以及采用 C++ API 去训练模型，提供更好的运算性能及更好地控制 GPU 内存的分配。
分布式 TensorFlow 技术：主要包括分布式 TensorFlow 编程 API；分布式 TensorFlow MNIST 模型；梯度向降法在分布式 TensorFlow 中的性能分析，包括 Async-SGD,Sync-SGD，Sync-SGDwith backups 算法。
TensorFlow 与卷积神经网络：主要包括卷积神经网络的特征图、卷积核，池化操作等关键技术；使用 TensorFlowAPI 构建卷积神经网络；TensorFlow Cifar10，InceptionV3 及 Vgg19 模型的架构和代码。
TensorFlow 与自然语言处理模型：主要包括 Word2Vec 数学原理；近义词模型；循环神经网络（RecurrentNeural Network, RNN）技术原理；长短期记忆网络（LongShort-Term Memory，LSTM）技术原理；TensorFlow 语言预测模型；TensorFlow 的机器翻译模型。
TensorFlow 在智能终端中的应用：基于看花识名 APP，讲解了 TensorFlow 在 Android 智能终端中的应用。主要包括：模型训练；模型参数量化处理；TensorFlowAndroid 开发环境的构建及相关开发 API。
目录
- 第1章 深度学习简介
- 第2章 TensorFlow环境搭建
- 第3章 TensorFlow入门
- 第4章 深层神经网络
- 第5章 MNIST数字识别问题
- 第6章 图像识别与卷积神经网络
- 第7章 图像数据处理
- 第8章 循环神经网络
- 第9章 自然语言处理
- 第10章 TensorFlow高层封装
- 第11章 TensorBoard可视化
- 第12章 TensorFlow计算加速
