Tensorflow壹經開源，立刻吸引了大批開發者跟進。Tensorflow廣泛支持許多功能，包括圖像、手寫、語音識別、預測和自然語言處理。TensorFlow遵循Apache 2.0開源協議。
TensorFlow於2017年2月5日發布了其版本1.0，是對之前八個不完善版本的整合。以下是TensorFlow成功的壹些原因:
TensorFLow提供了這些工具:
TensorBroad是壹個設計良好的可視化網絡構建和展示工具。
TensorFlow Serving通過維護相同的服務器架構和API，可以輕松配置新的算法和環境。TensorFlow服務還提供開箱即用的模型，可以輕松擴展以支持其他模型和數據。
alpha版本還支持包括Python和C++、Java、Go、R和Haskell語言在內的TensorFlow編程接口。此外，TensorFlow還支持Google和Amazon的雲環境。
tensor flow 0.12版本支持Windows 7、8和Server 2016系統。由於采用了C++特征庫，TensorFlow類庫可以在ARM架構平臺上編譯優化。這意味著您可以在各種服務器和移動設備上部署經過訓練的模型，而無需額外實現模型解碼器或Python解釋器。
TensorFlow提供了詳細的網絡層，以便用戶可以構建新的復雜的層結構，而不必從底層實現。子圖允許用戶在圖的任何邊上查看和恢復數據。這對於調試復雜的計算非常有用。
分布式TensorFlow在0.8版本中推出，提供並行計算支持，允許模型的不同部分在不同設備上並行訓練。
TensorFlow曾在斯坦福大學、伯克利學院、多倫多大學和Uda City(2065 438+2006年3月成立的網校)任教。
TensorFlow有以下缺點:
每個計算流程必須構造成沒有符號循環的圖，這使得壹些計算變得困難；
沒有三維卷積，無法進行視頻識別；
即使比原版本(0.5)快58倍，但執行性能依然不如競爭對手。