tensorflow顧名思義是張量流動的意思，這裡的tensor雖然翻譯成張量但其實跟向量沒區別。
tensorflow通過構建一張「圖」，這個圖有點類似「樹」的結構。
這裡可以看到圖中有很多節點，我們輸入的資料從根節點（就是最上方的節點）進入。然後流過這些節點。
因為資料一般是以張量的形式流過節點，所以叫它張量流。
這些節點是固定的，所以tensorflow是靜態圖。
variable是tensorflow中的變數，通過tf.variable(a)，（其中a是任意變數）可以將python中的任意（沒記錯的話應該是任意）資料變成tensorflow中的變數。
變數的意義通過名字可以得知，就是可以改變的量。是主要的資料型別。
佔位符一般人可能沒有聽說過。它的作用很簡單，就是用來填資料用的。如果這樣說不理解可以先放著。
有了這兩個資料型別之後，就可以實現一些基礎的功能了。先放**：
w = tf.variable([2])
b = tf.variable([1])
x = tf.placeholder(tf.float32, [3])
y = tf.placeholder(tf.float32, [3])
y_pre = w * x + b
loss = (y_pre - y)*(y_pre - y)
同理，b = [1]。
然後又定義了兩個佔位符，佔位符用來接收輸入。第乙個引數是資料型別，都是32位的浮點數，第二個引數是描述輸入的資料的形狀的。
這裡是乙個一維的矩陣，注意！！！！：跟variable不同的是，這裡的3描述的是這個一維矩陣的長度。
所以x應該接收的是乙個長度為3的一維矩陣，例如：[1,2,4]。
接著是乙個等式，類似於我們中學做的擬合線性函式y = w*x + b，其中的w、b是未知量。
需要我們通過不斷輸入點(x, y)來計算他們的方差，最後計算出誤差最小的w、b。**中的loss就是方差。
總結：變數在tensorflow中作為待優化的量，佔位符則負責接收輸入的資料。剛才我們利用線性擬合來理解變數和佔位符，其中涉及到乙個優化的概念。其實所謂的優化就是不斷調整w、b的值，
使得最終的函式y = w*x + b能夠正確**輸入的x對應的y。
在tensorflow中，有一類函式可以用來替代我們手工優化的過程，那就是「優化器」。
TensorFlow基礎入門
cpu版本直接pip install tf nightly即可。gpu版本需要安裝顯示卡驅動 cuda cudnn，注意版本。若手動安裝cuda還要將cuda的lib64目錄加入ld library path環境變數。然後使用pip install tf nightly gpu安裝即可。在pytho...
TensorFlow基礎入門（一）
建立乙個常值運算，將作為乙個節點加入到預設計算圖中 hello tf.constant hello,world 建立乙個tf對話 sess tf.session 執行並獲得結果 print sess.run hello 輸出 b hello,world b表示bytes literals 位元組文字...
Tensorflow 入門記錄
tensor為張量，flow為流圖。tensorflow內含有很多寫好的工具，如梯度下降演算法，卷積操作等。在使用tensorflow時，先導入包import tensorflow as tf，在進行定義tensorflow變數時，使用tf.variable 引數 有趣的是乙個叫做佔位符的工具，tf...