TensorFlow官方教程学习笔记（一）——起步

教程地址：TensorFlow官方文档中文版

TensorFlow可以拆成两个词：Tensor（张量）和Flow（流），Tensor代表最底层的数据结构，每一个Tensor可以简易的理解为一个多维数组，类似于Caffe中的Blob，不过与Blob不同的是，对于一张图片，Tensor的四个维度分别是[batch, height, width, channel]（Blob的为[batch, channel, height, width]）。Tensor存在于节点op（operation）中，op执行计算功能，值得注意的是，Tensor并不真正具有op的输出值（it does not hold the values of that operation's output），它只是代表了这个op操作的返回值，它也可以作为另外一个op的输入。一个Tensor可以在多个op中流动（Flow），这样就组成了一个图（Graph），当图构建好之后，上下文（context）就会启动一个会话（session）来执行图中的op，这时Tensor的值才被计算出来。

创建一个默认图（default graph）：

g = tf.Gragh()
with = g.as_default():

with tf.Graph().as_default() as g:

创建好一个默认图后，就可以通过插入op来构建图：

g = tf.Gragh()
with = g.as_default():
  matrix1 = tf.constant([[3., 3.]])
  matrix2 = tf.constant([[2.],[2.]])
  product = tf.matmul(matrix1, matrix2)

插入op的方式有很多种，如：

tf.Operat