Tensorflow：

TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，主要是深度神經網路模型。 也是一時興起開始學習這玩意，走到哪，部落格寫到哪裡，全當記錄。
主要參考資料一方面是0.8.0版極客學院翻譯版資料，另一方面是油管上週莫煩的視訊資料（附上地址：https://www.youtube.com/user/MorvanZhou/featured）

安裝配置：

因為不支援Windows系統，只能在Mac或Linux上使用，因此Windows系統可以裝個VM虛擬機器。 官網是提供了pip, Docker, Virtualenv, Anaconda 等多種方法安裝TensorFlow，但是我只走了pip這一條路。 本人使用的是Ubuntu 64位版本，沒有多少坑，直接跟著官網走就行（比以前搞得Xamarin，RN之類的要順暢不知道多少倍），順心不少。 0.8.0版本： 安裝pip python2.7版本：

# Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev

python3.4版本：

# Ubuntu/Linux 64-bit
$ sudo apt-get install python3-pip python3-dev

安裝TensorFlow python2.7版本：

# Ubuntu/Linux 64-bit, CPU only, Python 2.7:
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
 

python3.4版本：

# Ubuntu/Linux 64-bit, CPU only, Python 3.4:
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl

0.11.0rc1版本： 安裝pip和0.8.0版本一樣，就不贅述了。 安裝TensorFlow python2.7

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
 

python3.4

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp34-cp34m-linux_x86_64.whl

python3.5

# Ubuntu/Linux 64-bit, CPU only, Python 3.5
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp35-cp35m-linux_x86_64.whl

最後統一呼叫

# Python 2
$ sudo pip install --upgrade $TF_BINARY_URL

# Python 3
$ sudo pip3 install --upgrade $TF_BINARY_URL

注意：

1.以上皆為CPU only版本，TensorFlow可以使用GPU啟用版本為其運算加速，但我使用了VM虛擬機器，又是GTX1070最新顯示卡，鬼知道會出什麼岔子，因此沒有用。 2.極客學院只針對了0.8.0版本進行翻譯，沒有之後版本的。 3.Ubuntu本身自帶python3.5.2和2.7版本，不需要另行安裝。 4.3Python3.5版本的TensorFlow至少0.9.0版本。

會話控制 Session：

TensorFlow中的Session主要用於執行命令，不管你前面做了什麼，比如使用add()，mul()方法，相加也好，相乘也好，不執行Session().run()就不會執行相應的操作。 例子如下：

import tensorflow as tf

matrix1 = tf.constant([[3,3]]) #建立一行兩列矩陣
matrix2 = tf.constant([[2],[2]]) #建立兩行一列矩陣

product = tf.matmul(matrix1,matrix2) #矩陣乘法

#方法1
sess = tf.Session() 
result = sess.run(product) #啟用Session().run()才算執行
print(result)
sess.close()

#方法2
with tf.Session() as sess:
	result2 = sess.run(product)
	print(result2)

方法1是常規的Session使用方法，方法2中可以看出，Session還支援Python中的上下文管理協議with。

變數 Variable 常量 constant：

TensorFlow中建立變數，雖不需要指出變數型別，但是要在建立時表明這個是變數。變數建立方法Variable()，常量建立方法constant()。 例子如下：

import tensorflow as tf

state = tf.Variable(0,name='counter') #初始值0，名字counter
print(state.name)
one = tf.constant(1) #常量

new_value = tf.add(state, one)
update = tf.assign(state, new_value) #new_value引數替換state

init = tf.initialize_all_variables() #初始化變數,變數才會起作用

with tf.Session() as sess:
	sess.run(init)
	for i in range(3): #迴圈執行sess.run()三次，累加三次
		sess.run(update)
		print(sess.run(state)) #不能直接輸出state，必須使用sess.run(state)

傳入值 placeholder：

可以從外界傳入數值的方法，用placeholder保留一個數據的位置，之後可以在Session().run()的時候進行賦值。 例子如下：

import tensorflow as tf

#placeholder類似input
input1 = tf.placeholder(tf.float32) #需要保證placeholer的型別
input2 = tf.placeholder(tf.float32)

output = tf.mul(input1,input2) #乘法運算

with tf.Session() as sess:
	print(sess.run(output,feed_dict={input1:[7.],input2:p[2.]})) #以feed_dict形式傳入數值