tensorFlowの説明文を和訳してみました。（追記中）
#TensorFlow とは
データフローグラフを利用した数値計算のオープンソースライブラリ
グラフ内の各ノードは数学的な演算を表していて、そのグラフのエッヂはそのノード間を流れる多次元データの配列です
このフレキシブルなアーキテクチャは複数のCPU、GPUをもつコンピュータやデバイスへコードの書き換えを行わずにデプロイすることを可能にします
テンソルフローは元々google内のgoogle brain femのエンジニアによって、マシンラーニングやニューラルネットワークの研究を行うために開発されました。
このシステムは他のドメインにも幅広くできるように抽象化されています。
##データグラフとは
データフローグラフは指向性のノードとエッヂにより数値計算を表現します。
ノードは一般的に数学的な演算を実装します。それだけでなく、計算結果を出力するエンドポイントや、read/writeの永続的な変数としてもあらわせます。
エッヂはノード間の インプット・アウトプットの関連性を表します。
このデータエッヂは、多次元配列やテンソルをデータとして受け渡します。
？(要修正)グラフ間を通過するテンソルのフローはテンソルフローがその名前を獲得する場所です。
ノードはコンピュート可能なデバイスに割り当てられ、入力エッジに到着したデータが利用可能になったら、非同期実行をおこないます。
##テンソルとは
加筆中
##TensolFlowの特徴
###・deep flexibility
TensorFlowは硬直性のあるニュートラルネットワークではありません。
もしあなたが計算処理をデータフローグラフで表す時、テンソルフローを使う事が出来ます。
このTensorFlowで我々はニューラルネットワークでよく使われるサブグラフを組み合わせるためのツールを提供します。
さらにユーザはテンソルフローライブラリを使用して更なるライブラリを作る事が出来ます
新しい計算処理の定義を書くのはpythonで関数を書くのと同様に簡単で、パフォーマンスへの影響がありません。
もしあなたがローレベルで必要とする機能が無ければ、C++で記述する事が出来ます。
###・移植性
どのようなcomputerでも使う事ができ、スケールアップが容易でコードの変更を行う必要がない。
trainされたモデルを簡単にデプロイできる
###・研究と製品をつなげる
研究で行っている学習データを製品へ移植できます。