参考：https://www.jianshu.com/p/2ea7a0632239
TensorFlow的安装百度都有，并且很详细，在这不赘述，哪天心情好了也可以写写；
TensorFlow 是一个编程系统,你也可以把他理解成一个机器学习的库或者是框架；
1、几个概念：tensor（张量）、Session（会话）、placeholder （占位符）、Variable（变量）、Graph（图）、feed和fetch（机制）
1 图（Graph）：用来表示计算任务，也就我们要做的一些操作。
2 会话（Session）：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多个图，通过执行这些图得到结果。如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据生产成结果。
3 张量（Tensor）：用来表示数据，是我们的原料。TensorFlow 程序使用 tensor 数据结构来代表所有的数据, 计算图中, 操作间传递的数据都是 tensor. 你可以把 TensorFlow tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape.
4 变量（Variable）：用来记录一些数据和状态，是我们的容器。
5 feed和fetch（机制）：可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。相当于一些铲子，可以操作数据。
形象的比喻是：把会话看做车间，图看做车床，里面用Tensor做原料，变量做容器，feed和fetch做铲子，把数据加工成我们的结果。
feed 使用一个 tensor 值临时替换一个操作的输出结果. 你可以提供 feed 数据作为 run() 调用的参数. feed只在调用它的方法内有效, 方法结束, feed 就会消失. 最常见的用例是将某些特殊的操作指定为 "feed" 操作,标记的方法是使用 tf.placeholder() 为这些操作创建占位符
fetch 为了取回操作的输出内容, 可以在使用 Session 对象的 run() 调用 执行图时, 传入一些 tensor, 这些 tenor 会帮助你取回结果. 在之前的例子里, 我们只取回了单个节点 state , 但是你也可以取回多个 tensor
例一：TensorFlow进行了一个最简单的矩阵乘法
其中创建了常量以及运算，必须创建一个会话，所有运算在会话（车间）中运行
例二：创建一个变量，并用for循环对变量进行赋值操作
例三： 通过feed设置placeholder的值( 最常见的用例是将某些特殊的操作指定为 "feed" 操作,
标记的方法是使用 tf.placeholder() 为这些操作创建占位符)
例四：Fetch : 需要获取的多个 tensor 值，在 op 的一次运行中一起获得（而不是逐个去获取 tensor)
