1、sess = tf.interactivesession()：建立乙個新的 session，並將其註冊為預設的 session。
2、x = tf.placeholder(tf.float32, [none, 784])：建立乙個輸入資料的地方，第乙個引數樹資料型別，第二個引數代表 tensor 的 shape，即資料的尺寸。none 代表不限條數的輸入，784 代表每條輸入樹乙個 784 維的向量。tf.argmax(y, 1)
3、tf.zeros([784, 10])：將 w 矩陣中的每個值都全部初始化為 0。
4、w = tf.variable(tf.zeros([784, 10]))：建立variable 物件，用來儲存模型引數。tensor 用後即焚，variable 在迭代中可以長期存在，並在每輪迭代中被更新。
5、tf.matmul(x, w)
：用來求矩陣乘法。
6、y = tf.nn.softmax(tf.matmul(x, w) + b)：定義 softmax regression。
7、e = tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])：求所有的 y_ * log(y) 的和，reduction_indices=[1] 表示作用物件為多維矩陣第1層（從0數起）括號內的資料（按 numpy 中矩陣的寫法）
。8、cross_entropy = tf.reduce_mean(e)：求平均值。
9、train_step = tf.train.gradientdescentoptimizer(0.5).minimize(cross_entropy)：隨機梯度下降函式，學習速率為 0.5，優化目標為 cross_entropy。
10、tf.global_variables_initializer().run()：全域性引數初始化器的 run 方法。
11、batch_xs, batch_ys = mnist.train.next_batch(100)：每次都隨機從訓練集中抽取 100 條樣本構成乙個 mini-batch，並 feed 給 placeholder。
12、train_step.run()：呼叫 train_step 對樣本進行訓練。只有呼叫 run 方法，前面定義的各節點才會開始執行並獲得結果。
13、tf.argmax：從乙個 tensor 中尋找最大值的序號。tf.argmax(y, 1)
就是求各個**的數字中概率最大的那個。
14、tf.equal(x, y)：判斷 x 是否就是 y。
15、tf.cast(tf.bool, tf.float32)：將 bool 型別的值轉換為 float32型別。
tensorflow各優化器總結
1 rmsprop演算法是一種自適應學習率的優化演算法，其核心思想是通過統計相似梯度的平均值的方式來自動地調整學習率。一般來講，我們會在梯度演算法中引入乙個衰減係數，使每一次衰減都有一定的比例。在tensorflow 中，一般使用tf.train.rmspropoptimizer 方法來建立乙個優化...
C 標準庫之queue（各函式及其使用全）
一 fifo佇列，即先入先出佇列 1.佇列的宣告 std deque mydeck 3,100 deque with 3 elements std list mylist 2,200 list with 2 elements std queue first empty queue std queue...
tensorflow常用函式
1.variable 主要在於一些可訓練變數 trainable variables 比如模型的權重 weights 或者偏執值 bias 1 宣告時，必須提供初始值 2 在真實訓練時，其值是會改變的，自然事先需要指定初始值 weights tf.variable tf.random normal ...