Tensorflow 是一個通過計算圖的形式來表述計算的程式設計系統，計算圖也叫資料流圖，可以把計算圖看做是一種有向圖，Tensorflow 中的每一個計算都是計算圖上的一個節點，而節點之間的邊描述了計算之間的依賴關係。

一個計算圖例項：

relu = tf.nn.relu(tf.matmul(w, x) + b)

TensorFlow 的計算機制

TensorFlow 中的 Tenso r表示張量（多維陣列），TensorFlow 中的 Flow 表示張量之間通過計算流相互轉換的過程。TensorFlow 的每一個計算都是圖上的一個節點，節點之間的邊描述了節點之間的依賴關係。

TensorFlow 程式一般分為兩個階段：

1. 構建過程：會構建出一個圖（graph），即所謂的計算圖（computation graph）;
2. 執行過程：使用 session 執行構建過程中生成的圖中的操作。

程式碼示例：

import tensorflow as tf
#定義兩個常量向量a b
a = tf.constant([1.0,2.0],name="a")
b = tf.constant([2.0,3.0],name="b")
#將兩個向量加起來
result = a+b
#生成一個會話
sess = tf.Session()
#通過會話來計算結果
xxx = sess.run(result
 
)
print(result)    #Tensor("add:0", shape=(2,), dtype=float32)
print(xxx)    #[ 3.  5.]
sess.close()

從程式執行截圖可輔助理解 TensorFlow的 計算模型機制。張量中並沒有真正的儲存數字，它儲存的只是如何得到這些數字的計算過程。例如例項程式碼中的 result 輸出結果為Tensor(“add:0”, shape=(2,), dtype=float32)–add:0表示 result 這個張量是計算節點“add”輸出的第一個結果；shape=(2,) 標識張量的維度資訊，說明了張量 result 是一個一維陣列，陣列長度為2；dtype=float32 標識張量的型別為浮點型。

Tensorflow 是惰性求值，先構建好結構圖（定義計算的過程），當需要知道結構圖中具體的值時，才執行具體的計算。