前言：
使用 TensorFlow 之前你需要了解关于 TensorFlow 的以下基础知识:
- 使用图(graphs) 来表示计算.
- 在会话(session) 中执行图.
- 使用张量(tensors) 来代表数据.
- 通过变量(variables) 维护状态.
- 使用供给(feeds) 和取回(fetches) 将数据传入或传出任何操作.
总览
TensorFlow是一个以图(graphs)来表示计算的编程系统,图中的节点被称之为op(operation的缩写). 一个op获得零或多个张量(tensors)执行计算,产生零或多个张量。张量 是一个按类型划分的多维数组。例如, 你可以将一小组图像集表示为一个四维浮点数数组, 这四个维度分别是[batch, height, width, channels]。
TensorFlow 的图是一种对计算的抽象描述。在计算开始前, 图必须在会话 (Session())中被启动；会话将图的op分发到如CPU或GPU之类的设备(Devices())上,同时提供 执行 op 的方法。
这些方法执行后, 将产生的张量 (tensor) 返回。（在 Python 语言中, 将返回numpy的ndarray对象; 在 C 和 C++ 语言中, 将返回tensorflow::Tensor实例。）
TensorFlow支持C、C++、Python编程语言。目前,TensorFlow的Python库更加易用, 它提供了大量的辅助函数来简化构建图的工作, 而这些函数在 C 和 C++ 库中尚不被支持。
计算图
通常，TensorFlow 编程可按两个阶段组织起来: 构建阶段和执行阶段; 前者用于组织计算图，而后者利用 session 中执行计算图中的 op 操作。
例如, 在构建阶段创建一个图来表示和训练神经网络，然后在执行阶段反复执行一组 op 来实现图中的训练。