1. TensorFlow核心理解

TensorFlow本質上是一張計算圖，資料在圖上計算和流動。

寫TensorFlow程式，需要:

1. 構建一張計算圖;
2. 執行會話，執行圖中的運算。

2. TensorFlow的幾個概念

1. 圖（Graph）：用來表示計算任務，也就我們要做的一些操作。
2. 會話（Session）：建立會話，執行圖中的計算，得到結果。如果把每個圖看做一個車床，那會話就是一個車間，裡面有若干個車床，用來把資料生產成結果。
3. 張量（Tensor）：用來表示資料，是我們的原料。
4. 變數（Variable）：用來記錄一些資料和狀態，是我們的容器。
5. feed和fetch：可以為任意的操作(arbitrary operation) 賦值或者從其中獲取資料。相當於一些鏟子，可以操作資料。

形象的比喻是：把會話看做車間，圖看做車床，裡面用Tensor做原料，變數做容器，feed和fetch做鏟子，把資料加工成我們的結果。

3. 建立一個常量並檢視其內容

1 import tensorflow as tf
2 a = tf.constant([1, 2, 3], dtype=tf.float32)
3 with tf.Session() as sess:  # 為檢視結果必須建立一個session
4     print(sess.run(a))

執行結果：

[1. 2. 3.]

4. 矩陣乘法示例

 1 import tensorflow as tf
 2 m1 = tf.constant([[2, 3]])       #
 
 建立一個常量m1
 3 m2 = tf.constant([[2], [4]])     # 建立一個常量m2
 4 product = tf.matmul(m1, m2)      # 建立一個矩陣乘法，要注意的是，建立了乘法後，不會立即執行，要在會話中才執行
 5 print(product)    # 這個時候列印，得到的不是乘法之後的結果，而是乘法本身
 6                   # 列印結果是：Tensor("MatMul_1:0", shape=(1, 1), dtype=int32)
 7 
 8 sess = tf.Session()          # 定義一個會話
 

 9 result = sess.run(product)   # 運算乘法
10 print(result)    # 列印結果：[[16]]

(圖片摘自五分鐘帶你入門TensorFlow)

5. 給Variable賦值

1.TensorFlow極簡入門教程

這個教程介紹了TensorFlow的一些基本概念，並有一個簡單的神經網路的程式碼示例。

2. 莫煩TensorFlow教程

有很多程式碼例項。

3.深度學習與TensorFlow 2入門實戰

有關於tf.tensor的詳細介紹。