在数据并行模式上，Tensorflow和Parameter Server很像，但Tensorflow有独立的Variable node，不像其他框架有一个全局统一的参数服务器，因此，参数同步更自由。

Tensorflow和Spark的核心都是一个数据计算的流式图，Spark面向的是大规模的数据，支持SQL操作。

Tensorflow主要面向内存足以装载模型参数的环境，从而可以最大化计算效率。

Tensorflow的灵活性表现在其移植性方面，几乎可以将同一份代码不做修改轻松部署到任意数量的CPU或GPU的PC、服务器及移动设备上。

TensorBoard

TensorBoard是Tensorflow的一组web应用，用来监控Tensorflow运行过程，或可视化Computation Graph。

TensorBoard目前支持5种可视化：标量（scalas）、图片（images）、音频（audio）、直方图（histograms）、计算图（Computation Graph）

TensorBoard的Events Dashboard可以用来持续的监控运行时的关键指标，比如loss、学习速率（learning rate），或者是验证集上的准确率（accuracy）

Image Dashboard可以展示训练过程中用户设定保存的图片，比如某个训练中间结果用Matplotlib等绘制的图片。

Graph Explorer完全展示一个Tensorflow计算图，并且支持缩放拖拽和查看节点属性。