设计理念
TuneLayer 的发展需要和 TensorFlow 紧密结合，因此 TLayer 的设计具有很强的可塑性，它追随如下的设计理念：
Transparency（透明）：不会去隐藏 TensorFlow，而是尽可能地依赖 TensorFlow 的方法，追随 TensorFlow 的惯例。不会去隐藏训练过程，所有迭代、初始化都可以被用户管理。
Tensor （张量）：神经网络通过高纬度数据表达。
TPU（张量处理单元）：张量处理单元是 Google 设计的专门执行机器学习的定制化 ASIC，除了 TPU 我们将不断兼容更多的机器学习 ASIC。
Distribution（分布式）：分布式机器学习是 TensorFlow 的基本功能，TLayer 在 TensorFlow 的基础上结合 Spark ，让分布式计算更好地服务于机器学习。
Compatibility（兼容性）：网络被抽象为规则函数、损失函数和每层输出。容易与其它 TensorFlow 库结合。
Simplicity（简化）：容易使用，容易拓展与修改，加快研究成果的产品化进度。
High-Speed（高速）：在使用GPU时，运行速度和纯TensorFlow代码一样，不会因为简化代码而牺牲性能。