一：基本概念
- 1、使用图(graphs)来表示计算任务
- 2、在被称之为会话(Session)的上下文(context)中执行图
- 3、使用tensor表示数据
- 4、通过变量(Variable)维护状态
- 5、使用feed和fetch可以为任意的操作赋值或者从其中获取数据
TensorFlow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或多个tensor，执行计算，产生0个或多个tensor。tensor看做是一个n维的数组或列表。图必须在会话（Session）里被启动。
二：TensorFlow结构
三：简单练习
1、热身前技巧：
a、首先在桌面创建一个专门用来存放TensorFlow代码的文件夹，以后把全部和TensorFlow相关的代码存放在该文件夹下。
b、打开jupyter：首先打开系统终端（cmd）：进入刚才创建的存放代码的文件夹（比如我的study_tensor）输入：cd C:\Users\felix\Desktop\study_tensor
进入后输入jupyter notebook
会再浏览器中打开jupyter notebook的编辑环境。（这样打开的话，默认jupyter的工作环境就是刚才创建的文件夹了）
新建工作环境。
如下图表示成功进入工作环境：
2、切入正题，撸代码
shift+enter 执行代码
tab 代码提示
shift+tab 详情提示
a、创建图和启动图
import tensorflow as tf # 创建一个常量op m1=tf.constant([[3,3]]) # 创建一个常量op m2=tf.constant([[2],[3]]) # 创建一个矩阵乘法的op，把m1，m2传入 product=tf.matmul(m1,m2) print(product) #直接打印并没有执行 # 定义一个会话，自动默认图 sess=tf.Session() # 调用sess的run方法来执行矩阵乘法op # run(product)触发图中3个op result=sess.run(product) print(result) sess.close() # 关闭 # 将上一句简化 with tf.Session() as sess: # 调用sess的run方法来执行矩阵乘法op # run(product)触发图中3个op result=sess.run(product) print(result)