数据流图：TensorFlow使用数据流图来表示计算过程。数据流图由节点（表示操作）和边（表示数据流）组成，节点之间的连接定义了计算的依赖关系。开发者可以使用TensorFlow的API来构建数据流图。
张量：在TensorFlow中，所有的数据都以张量的形式表示。张量是多维数组，可以是标量、向量、矩阵或更高维度的数组。TensorFlow的名字也源自张量的概念。
变量和操作：在数据流图中，变量是可用于存储和更新数据的节点，而操作是节点之间执行的计算。开发者可以定义各种操作来构建复杂的计算过程。
训练模型：TensorFlow可以用于训练各种机器学习模型，包括神经网络、决策树、支持向量机等。开发者可以使用TensorFlow的高级API（如Keras）来构建模型，然后使用优化器和损失函数来训练模型。
分布式计算：TensorFlow支持分布式计算，在多台机器上进行计算。这种能力使得TensorFlow可以处理大规模的数据和模型，并且加速训练过程。
使用场景：TensorFlow广泛应用于各个领域，包括计算机视觉、自然语言处理、语音识别等。它可以用于图像分类、目标检测、文本生成、语音识别等任务。TensorFlow也被用于大规模的深度学习项目，如AlphaGo的开发。