摘要：在大數(shù)據(jù)時(shí)代,云計(jì)算和大規(guī)模并行處理基礎(chǔ)架構(gòu)的共同發(fā)展不僅使得機(jī)器學(xué)習(xí)和深度人工智能有了更為廣闊的應(yīng)用空間,也激發(fā)了人工智能框架的快速迭代和部署。TensorFlow是Google的開放源代碼的深度學(xué)習(xí)平臺,已經(jīng)在工業(yè)界有了廣泛的應(yīng)用。文中從TensorFlow平臺的設(shè)計(jì)理念出發(fā),分析了平臺的框架和基本結(jié)構(gòu),對每個(gè)模塊的功能和應(yīng)用做了詳盡闡述。在此基礎(chǔ)上,通過建立一個(gè)多層深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),分析了輸入層、隱藏層、輸出層及激勵(lì)函數(shù)的構(gòu)建方法。最后在對TensorFlow實(shí)例運(yùn)行和調(diào)試的基礎(chǔ)上,演示了通過TensorBoard跟蹤程序運(yùn)行狀態(tài)和參數(shù)調(diào)制的方法,給出了一維數(shù)據(jù)和多維數(shù)據(jù)的可視化結(jié)果。研究表明,相比較其他學(xué)術(shù)界的人工智能平臺,TensorFlow有著更好的生態(tài)系統(tǒng),支持更多的硬件架構(gòu),具備了一定的實(shí)用基礎(chǔ)。