Using TensorFlow backend.

"Using TensorFlow backend"通常是指在使用Keras进行深度学习建模时，指定后端计算引擎为TensorFlow。Keras是一个高级神经网络API，它能够运行在TensorFlow、CNTK或Theano等不同的后端之上。当你在代码中指定使用TensorFlow作为后端时，Keras会利用TensorFlow提供的计算能力来执行模型训练、评估和预测等操作。

指定后端的主要原因是不同后端库提供了不同的性能特性、硬件支持和计算图优化。TensorFlow拥有强大的社区支持、广泛的应用场景以及与多种硬件的兼容性，使其成为一种流行的选择。

在Keras中设置后端通常在代码最开始进行配置，可以通过修改配置文件或者在代码中直接设置环境变量来完成。例如，在Python代码中设置TensorFlow作为后端，可以使用以下代码：

import keras
# 设置TensorFlow为后端
keras.backend.set_backend('tensorflow')

或者，在配置文件`keras.json`中设置：

{
    "image_data_format": "channels_last",
    "epsilon": 1e-07,
    "backend": "tensorflow"
}

这样配置后，当你创建Keras模型并进行训练和推断时，Keras会使用TensorFlow的计算能力来处理模型的各层计算。