TensorFlow是一个开放源代码的软件库，用于进行高性能数值计算。通过其灵活的架构，它允许用户轻松地部署计算工作在各种平台（CPUs、GPUs、TPUs）上，无论是在桌面、服务器还是移动设备上。TensorFlow最初由Google Brain团队（属于Google的人工智能部门）开发，并在2015年被发布到Apache 2.0开源许可证下。 TensorFlow的主要特点包括它的高度灵活性、可扩展性和可移植性。它支持从小到大的各种计算，从手机应用到复杂的机器学习系统。TensorFlow提供了一个全面的、灵活的生态系统的库、工具和社区资源，使研究人员能够推动人工智能领域的最前沿，并使开发人员能够轻松构建和部署由机器学习驱动的应用。 TensorFlow的核心是使用数据流图来表示计算。在数据流图中，节点表示在数据上执行的操作，而图中的边表示在操作之间流动的数据。这种表示法允许TensorFlow有效地执行并行计算，并且可以在不同的硬件平台上高效运行。此外，TensorFlow支持自动微分，这对于实现复杂的机器学习算法（如深度学习网络）至关重要。

tensorflow-1.15.0 适用于ubuntu64位系统，python3.7

1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU)

1. 无缝支持通过TensorFlow训练好的神经网络模型。只需要几个简单的步骤就可以完成桌面模型到移动端模型的转换。 2. TFLite可以与Android 8.1中发布的神经网络API完美配合。而Android端版本演进的控制权是掌握在谷歌手中的，从长期看，TFLite会得到Android系统层面上的支持。 3. 质量有保证。根据以往谷歌对开源项目支持力度看，TFLite的功能迭代演进会很快，大量的bug会在第一时间修复。 此前，国内的巨头百度已经发布了MDL（传送门 ）框架、腾讯发布了NCNN（传送门 ）框架。下面笔者将比较下这三个移动端框架的异同之处。

适配昇腾tensorflow插件1.15.0版本whl，免编译

tensorflow-1.15.5+nv21.6-cp36-cp36m-linux_aarch64.whl，适用于nvidia xavier nxt等，jetpack4.5(ubuntu18.04)。

Jetson TX2 (aarch64架构) 下 tensorflow1.5.0的pip安装包

Tensorflow for cuda10 cudnn7.4.1 ubuntu 18.04

tensorflow 离线安装包 An Open Source Machine Learning Framework for Everyone

tensorflow1.13.2安装包，CPU版本。windows64位安装包，用的python3.6，bazel编译。