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