什麼是TensorFlow？

先看看來自TensorFlow官方網站的介紹：

TensorFlow™ 是一個開放原始碼軟體庫，用於進行高效能數值計算。藉助其靈活的架構，使用者可以輕鬆地將計算工作部署到多種平臺（CPU、GPU、TPU）和裝置（桌面裝置、伺服器叢集、移動裝置、邊緣裝置等）。TensorFlow™ 最初是由 Google Brain 團隊（隸屬於 Google 的 AI 部門）中的研究人員和工程師開發的，可為機器學習和深度學習提供強力支援，並且其靈活的數值計算核心廣泛應用於許多其他科學領域。

In my humble view,TensorFlow 是一個便於部署在各種各樣平臺上的框架，它對多種程式語言都有良好的介面，當我們想學習機器學習或者深度學習的時候，都可以使用這個工具來實現我們的想法。在TensorFlow中有幾個很重要的概念，是瞭解TensorFlow的基礎，以下就來一一介紹：

Tensor: 即張量，張量是對資料的一種描述，也就是我們平時說的·陣列，不過這個張量包括0維陣列，1維陣列，2維陣列，3維陣列，4維陣列，，，等。Tensor在TensorFlow中扮演的就是資料的角色，各式各樣的資料都表示為Tensor，在進行計算的過程中Tensor被傳向不同的結點，就像在資料流一樣，這也是TensorFlow得名的原因。

Constant: 即常量，常量可以對應原始的資料，是不會再改變的資料，即恆定的張量。

Variable: 即變數，與Tensor不同，變數是一個符號，也是組成TensorFlow中計算結點的具體物件，每個變數就是一個物件，它代表操作的一部分，它能夠用來接收資料，傳遞資料，是TensorFlow中計算和資料流動的載體和操作的載體。

計算圖：TensorFlow的一個特點就是它採用資料流圖就行計算。什麼是資料流圖呢？參看TensorFlow的官網。這裡盜用官網的一張圖：

結合剛才介紹的張量和變數，我們來分析一下這張圖：
圖中紅色的輸入以及黑線的蔓延代表著張量和張量的流動，也就是資料的流動，而資料每留至一個節點，這個節點就會變數，意味著這個節點需要的資料到達了。而每個節點可以是變數，也可以是一組操作。也就是說在TensorFlow中儲存的是計算的定義，而不是每次計算的實際資料，畢竟每次計算時資料都可能會改變，而我們已經定義好的計算流程一般是不大會變化的。

Session: 即會話，簡單地看，會話就是對操作的執行。那麼是對什麼操作呢？首先操作就是我們在計算圖中看到的結點，也就是我們自己定義的變數或運算。在完成變數和操作的定義之後，我們就可以執行它們，即Session將資料流向計算圖中的各個節點，並完成我們定義的操作。

那麼怎麼使用TensorFlow完成一次運算呢？分為兩步：構建圖和啟動圖。
構建圖：構建圖即完成我們對變數、常量的定義也就是計算圖中計算結點的定義。
啟動圖：啟動圖即計算圖的執行，也就是呼叫Session進行計算。