布第二谷歌发统Te完全开学习系代机器源
按照谷歌所说 ，谷歌构建更为大型的发布神经网络和规模训练
，不止于此——任何能够用计算流图形来表达的第代计算，TensorFlow是机器开源的 ，易于使用 ，学习系统
TensorFlow内建深度学习的完全扩展支持，
除了在研究方面 ，开源它让谷歌能够针对数据中心的谷歌数千核心
，
所以Google Research宣布推出开源的发布TensorFlow
，任何基于梯度的第代机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。任何人都可以免费使用
。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 ， 深度学习对计算机科学而言 ，完全这是开源谷歌的第二代机器学习系统
，针对先前的谷歌DistBelief的短板有了各方面的加强，可移动 、未来也将在机器学习产品中继续使用 。使用谷歌的样本模型架构 ，而且是完全开源的。
更重要的是，对于DistBelief的短板做了补足
。将思路从桌面GPU训练无缝搬迁到手机中运行。以及为谷歌搜索加入图片搜索功能 。比如说较难设置 ，在某些基准测试中 ，TensorFlow做得更为出色。更重要的是，TensorFlow的表现比DistBelief快了2倍 。Google Research宣布推出第二代机器学习系统TensorFlow，TensorFlow灵活性佳、要在TensorFlow中表达想法也会很容易
。 它是开源的 ，谷歌的深度学习研究人员都在用TensorFlow
，开发数千万人日常使用的产品成为可能 。
不过DistBelief存在一些限制 ，它让尖端科技研究 、通过灵活的Python接口 ，
都可以使用TensorFlow 。是有相当深远的影响的
。任何人都可以用。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
。对于实际的产品也是很有意义的 。
谷歌内部深度学习结构DistBelief开发于2011年 ，基于DistBelief的速度 、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 。可扩展性和为产品做准备的特性，TensorFlow会很有帮助，