Google 開發的開源深度學習框架，提供從訓練到部署的完整工具鏈
TensorFlow 是 Google 於 2015 年發布的開源深度學習框架，廣泛應用於機器學習和深度神經網路的研究與生產環境。TensorFlow 2.x 以 Eager Execution 為預設模式，Keras 成為官方高層 API。設計理念是使用資料流圖表示計算，節點代表運算、邊代表張量流動。提供從資料處理、模型建立、訓練、部署到推理的完整工具鏈，特別適合大規模分散式訓練和部署。
張量 (Tensor) 是 TensorFlow 的基本資料單元，支援標量、向量、矩陣和高維張量。TensorFlow 提供了豐富的張量操作：數學運算 (add、matmul)、形狀操作 (reshape、transpose)、聚合操作 (reduce_sum、reduce_mean)。自動微分通過 tf.GradientTape 實現，支援高階導數計算。Variable 是可訓練的張量，用於儲存模型參數。
Keras 提供三種模型建構方式： Sequential：最簡單的線性堆疊，適合標準網路。 Functional API：支援多輸入、多輸出、共享層等複雜拓撲結構。 Subclassing API：通過繼承 keras.Model 自訂前向傳播，提供最大彈性。模型通過 compile 設置優化器、損失函數和評估指標，使用 fit 進行訓練。支援 EarlyStopping、ModelCheckpoint、TensorBoard 等回調函數。
tf.data 提供高效的資料管道，支援 shuffle、batch、map、cache、prefetch 等操作。tf.data.Dataset 可從 NumPy、CSV、TFRecord、圖片目錄等來源建立。TensorFlow Lite 支援行動裝置和邊緣部署，提供 Float16 量化和完整整數量化。TensorFlow Serving 使用 REST API 或 gRPC 提供生產級模型服務。TensorFlow.js 將模型部署到瀏覽器。
MirroredStrategy 支援單機多 GPU 訓練，MultiWorkerMirroredStrategy 支援多機多 GPU，TPUStrategy 支援 Google Cloud TPU。混合精度訓練 (mixed_float16) 可在幾乎不損失精度的情況下加速訓練。XLA 編譯器 (jit_compile=True) 通過即時編譯優化計算圖。TensorBoard Profiler 提供詳細的效能分析，幫助識別訓練瓶頸。