實際上編寫tensorflow可以總結為兩步.

       （1）組裝一個graph;

       （2）使用session去執行graph中的operation。

當使用tensorflow進行graph構建時，大體可以分為五部分：

     1、為輸入X與輸出y定義placeholder；

    2、定義權重W；

    3、定義模型結構；

    4、定義損失函式；

    5、定義優化演算法

下面是手寫識別字程式：

1. import tensorflow as tf
   from tensorflow.examples.tutorials.mnist import input_data
   
   mnist = input_data.read_data_sets("MNIST_data/",one_hot=True)
   #匯入資料集
   x = tf.placeholder(shape=[None,784],dtype=tf.float32)
   y = tf.placeholder(shape=[None,10],dtype=tf.float32)
   #為輸入輸出定義placehloder
   
   w = tf.Variable(tf.truncated_normal(shape=[784,10],mean=0,stddev=0.5))
   b = tf.Variable(tf.zeros([10]))
   #定義權重
   y_pred = tf.nn.softmax(tf.matmul(x,w)+b)
   #定義模型結構
   loss =tf.reduce_mean(-tf.reduce_sum(y*tf.log(y_pred),reduction_indices=[1]))
   #定義損失函式
   opt = tf.train.GradientDescentOptimizer(0.05).minimize(loss)
   #定義優化演算法
   sess =tf.Session()
   sess.run(tf.global_variables_initializer())
   for each in range(1000):
       batch_xs,batch_ys = mnist.train.next_batch(100)
       loss1 = sess.run(loss,feed_dict={x:batch_xs,y:batch_ys})
       opt1 = sess.run(opt,feed_dict={x:batch_xs,y:batch_ys})
       print(loss1)