1.使用Tensorflow,你必須明白TensorFlow: ①使用graph來表示計算任務 ②在Session的context中執行圖。 ③使用tensor表示資料 ④使用Variable維護狀態 ⑤使用feed和fetch可以為任意的操作賦值或者從其中獲取資料。

過程：一個TensorFlow的圖描述了計算的過程，為了進行計算，圖必須在會話裡被啟動。會話將圖的op分發到諸如CPU或GPU之類的裝置上，同時提供執行op的方法。在這些方法執行後，將產生的tensor返回。在Python語言中，返回的tensor是numpy naarray物件。

2.構造圖： import tensorflow as tf # 建立一個常量 op, 產生一個 1x2 矩陣. 這個 op 被作為一個節點 # 加到預設圖中. # # 構造器的返回值代表該常量 op 的返回值. matrix1 = tf.constant([[3., 3.]]) # 建立另外一個常量 op, 產生一個 2x1 矩陣. matrix2 = tf.constant([[2.],[2.]]) # 建立一個矩陣乘法 matmul op , 把 'matrix1' 和 'matrix2' 作為輸入. # 返回值 'product' 代表矩陣乘法的結果. product = tf.matmul(matrix1, matrix2)

3.在一個會話中啟動圖 ①建立一個Session物件 #啟動預設圖 sess=tf.Session() ②執行 #produc是定義在圖裡面的一個op result=sess.run(product) ③session物件在使用完需要關閉以釋放資源 with tf.Session() as sess:    result=sess.run([product])    print result ④指定執行的裝置 widt tf.devuce()

4.互動式使用 使用InteractiveSession代替Session類 使用Tensor.eval()和Operation.run()方法代替Session.run()

5.Tensor:可以把tensor看作一個n維的陣列或列表。一個tensor包含一個靜態型別rank,和一個shape

6.變數： tf.Variable() tf.constant()

7.fetch

8.feed