这可不是一篇艰深晦涩的科普文，只是以一个小白的姿态研究下TensorFlow带给我们的乐趣，我们看得到的&背后看不到的。
TensorFlow？？？Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，一个人工智能学习系统，经过企业和个人开发者的不懈努力，它在跨平台和多语言的支持上愈发完善，如今已经演化成一个相当完整的深度学习开放平台。（TensorFlow 中文社区/）
但，深度学习又是什么？它的核心算法就是神经网络，是一种机器学习的模型。这个模型的主要特点是它可以近似逼近任意复杂的函数，并且特别适宜利用大数据反复迭代的学习训练。趣事1、2、3……TensorFlow 很早就在 Google 内部进行推广和应用了，成效显著。比如 TensorFlow 很早就帮助搜索、广告等最核心的业务上应用实施了深度学习模型；垃圾邮件过滤也用了 TensorFlow 训练的模型；Android 的应用商店推荐也上线了 TensorFlow 的模型等等。
不过这些发生在后台的故事，我们可没花絮可看。反而是在智能手机或者说是移动端更引人注目。
自拍虚化
这大概是把Pixel 2XL拿出来的好时机，算法+单镜头≥双摄。应用深度视觉模型能非常准确地分离出前景和背景，然后分别处理，而传统的办法是在手机上装两个摄像头，利用深度学习算法既降低了手机的造价，又可以让现有的手机增加功能。
语音处理
语音识别是TensorFlow早就大显身手的地方，毕竟谁的手机都有一个语音助手，智能音箱也正在“登堂入室”，深度学习算法把语音识别和生成的技术门槛大大的降低了，像 TensorFlow 这样开源的、通用的机器学习框架使得越来越多的开发人员可以开发出适合自己应用场景的语音应用。
机器翻译
我们的老友，谷歌翻译。
高准确率的机器翻译无疑是谷歌翻译值得骄傲的一项技能。谷歌翻译是个十几年的产品，一年多以前，谷歌把它的后台系统升级成为以神经网络为基础的系统，那次升级极大地降低了翻译的错误率，一些语言之间的翻译现在几乎可以达到手工翻译的效果。以一个普通中国用户的视角看，谷歌翻译完全是靠深度学习一步步实践本地化。
当然还有自动回复、用户使用习惯学习、AlphaGo这些熟悉的名词。
智能医疗
谷歌一个智能医疗工作团队，借助 TensorFlow 一个通用的框架，可以很方便地重用现成的图像识别模型，然后针对特定的应用领域和特定的数据，微调、训练一下模型，他们就可以在检测视网膜病变达到了 95% 的准确率，超过了眼科专家诊断率为 91% 的准确率。
自动驾驶
又是谷歌，不过是几天之内，名气响彻行业内外的Waymo。
Waymo使用 TensorFlow 不断改进他们的自动驾驶系统中各种深度模型，包括对路况场景的分割、雷达信号的处理等等，接着就是拿到执照了。
TensorFlow 也应用在计算机科学研究以外的科学研究中。比如，美国太空总署开普勒计划的科学家和我们同事联合开发了一个 TensorFlow 的模型。开普勒计划本身的目标是通过星载望远镜持续不断地观察太空中恒星亮度的变化，希望发现太阳系以外的行星系统，最终希望发现另外一个适宜人类居住的行星。目前，该计划已经积累了上百亿的观察数据。几个月前，这个 TensorFlow 的模型帮助科学家发现了 2500 光年以外的开普勒 90 恒星系统的第八颗行星，这也是人类目前知道的太阳系以外拥有最多行星的恒星。
上天还不够，也要下海。在这个应用例子里，澳大利亚的科学家用 TensorFlow 开发的图像识别模型在数万张海洋航拍张片中可以快速准确地找到需要保护的大型海洋哺乳动物，比如海牛、须鲸等等。
就差中国的诗词歌赋了
TensorFlow的应用遍及各地。
与中国关系也相当密切，京东内部搭建了 TensorFlow 的训练平台，用于开发训练图像、自然语言相关的模型，并应用到客服、广告等领域。小米也在尝试类似的技术路线，支持他们生态线上各种特殊的应用。网易的有道笔记、网易翻译君也使用了 TensorFlow 视觉和语言的模型。
以上内容来自极客公园创新大会 IF 2018 ，Google Brain 首席工程师陈智峰主题演讲。
