TensorFlow es una biblioteca de código abierto desarrollada por Google para realizar tareas de aprendizaje automático y redes neuronales. Es ampliamente utilizada en la investigación y la industria debido a su flexibilidad y capacidad para manejar grandes volúmenes de datos. TensorFlow permite a los desarrolladores construir y entrenar modelos de aprendizaje profundo de manera eficiente.

1. Flexibilidad: TensorFlow permite la construcción de modelos desde cero o utilizando modelos preentrenados.
2. Portabilidad: Los modelos de TensorFlow pueden ser desplegados en una variedad de plataformas, incluyendo servidores, dispositivos móviles y navegadores web.
3. Ecosistema Extenso: TensorFlow cuenta con una amplia gama de herramientas y bibliotecas complementarias, como TensorFlow Lite, TensorFlow.js y TensorFlow Extended (TFX).
4. Soporte de Comunidad: Al ser una biblioteca de código abierto, TensorFlow tiene una comunidad activa que contribuye con mejoras y soporte.

TensorFlow fue desarrollado por el equipo de Google Brain y lanzado en noviembre de 2015. Desde entonces, ha evolucionado significativamente, con múltiples versiones y mejoras que han ampliado sus capacidades y rendimiento.

TensorFlow se basa en una arquitectura de grafos de flujo de datos. Los nodos en el grafo representan operaciones matemáticas, mientras que los bordes representan los datos multidimensionales (tensores) que fluyen entre estas operaciones.

1. Tensores: Estructuras de datos multidimensionales que representan las entradas y salidas de las operaciones.
2. Operaciones (Ops): Funciones matemáticas que se aplican a los tensores.
3. Grafos de Computación: Representaciones de las operaciones y los flujos de datos en un modelo de TensorFlow.

Para entender mejor cómo funciona TensorFlow, vamos a crear un simple programa "Hola Mundo".

1. Importar TensorFlow: import tensorflow as tf importa la biblioteca de TensorFlow.
2. Definir un Tensor Constante: hello = tf.constant('Hola Mundo!') crea un tensor constante con el valor 'Hola Mundo!'.
3. Iniciar una Sesión: with tf.Session() as sess inicia una sesión de TensorFlow, que es necesaria para ejecutar operaciones en el grafo.
4. Ejecutar la Operación: result = sess.run(hello) ejecuta la operación definida y obtiene el resultado.
5. Imprimir el Resultado: print(result) imprime el resultado de la operación.

Crea un tensor constante con el valor "Bienvenido a TensorFlow" y ejecútalo en una sesión de TensorFlow.

• Error Común: Olvidar iniciar una sesión de TensorFlow antes de ejecutar operaciones. Asegúrate de usar with tf.Session() as sess para iniciar la sesión.
• Consejo: Familiarízate con la documentación oficial de TensorFlow para entender mejor las funciones y métodos disponibles.

En esta lección, hemos aprendido qué es TensorFlow, sus características clave, y cómo se estructura su arquitectura. También hemos visto un ejemplo práctico de un programa "Hola Mundo" en TensorFlow. En la próxima lección, configuraremos TensorFlow en tu entorno de desarrollo.

En la siguiente lección: Configuración de TensorFlow