训练，然后转移到功能更弱的平台（例如移动设备）。 的应用非常吸引人。借助张量，Google Photos 等应用程序能够准确识别图像中的位置。例如，Google Photos 使用它来识别照片中的特定物体（例如桥梁或雕像），并准确知道该照片的拍摄地点。
然后用 的应用程序可以根
据该新信息采取行动。 所有这些功能都可以这样运行：应用程 芬兰资源 序查看用户的图片，找到帝国大厦，并知道照片是在纽约拍摄的。然后，应用程序可以向用户显示针对纽约的广告。 TensorFlow 不仅限于图像。另一个用例是语音和声音识别。事实上，语音和声音识别是 TensorFlow 最广泛使用的应用之一。
是最明显的例子但
还可以应用于其他非常重要的用例，例如： 图像识别 尽管这本书的结尾很近 对象标记视频 自动驾驶汽车 情绪分析 探伤 文本摘要 移动图像和视频处理 空中、陆地和海上无人机 TensorFlow 的组件 TensorFlow 有多个部分组成，包括： TensorFlow.js 允许使用标准 JavaScript 模型，并且可以直接在JavaScript中构建和训练模型。
邦 一个使用分散数
据进行机器学习实验的开源框架。 TF 隐私 一个用于 汤加营销 训练以隐私为中心的机器学习模型的库。 tf.函数 允许将 Python 语法子集转换为可移植的高性能图表。 TensorFlow 概率 一个用于结合概率模型和深度学习的 Python 库。 Tensor2Tensor 深度学习模型和数据集的库。