- TensorFlow簡介：
在使用TensorFlow之前我們要了解TensorFlow是什么，如果喜歡看視頻的同學，可以看2017年8月6號谷歌大腦資深研究員劉小兵在極客公園Rebuild大會上的演講。
接下來讓我們用文字談談TensorFlow。//所有事物進行數字化//機器遷就與人 或者反而
首先談談人工智能，首先看看以前的機器能做什么？我給機器一個指令，機器按我的想法去做，不會超出我的期望，也不會違背。而我們現在的人工智能也還是在做這一件事，我給它算法，它按照算法一步一步的執行，判斷。但現在的與之前的有什么區別呢？重點是它現在可以對某件事給出它的意見，而這件事我們之前可能未曾發覺，比如某些病症的初期症狀檢測，物品推薦算法等等。
人們常說，學習一樣事情最好的方法是把它教給別人，在我們在教機器學習的時候，其實我們也在思索我們本身所使用的方式。即當我們在說話時，我們在說什么，我們在畫畫時，我們在畫什么？當我在寫這篇文章的時候，我在寫什么？如果我不清楚一件事情，我是很難鞭辟入里地解釋清楚的。
在說完人工智能后，我們再談談機器學習。機器學習是人工智能的子集。換而言之，機器學習是實現人工智能的一種方式，搞清了關系，首先我們來給機器學習一個定義，引用Herbert A. Simon的一段話，“如果一個系統能夠通過執行某個過程改進它的性能，這就是學習“。實質上就是一個學習總結，進行校正，長經驗的過程。所有只要用機器可以實現這樣想法的都可以稱之為機器學習，就是讓機器具有從數據中抽取信息，並歸納信息講了什么，可以想想我們在上學時是怎么學習的？語文中的閱讀理解部分是否和這個場景很相似呢？而要實現機器學習，那么第一件事便是讓計算機認識數據，我們平常說的話，畫的圖像，計算機是不認識的，那么要讓計算機去學習，這些語音，圖畫作為信息載體的東西，就需要讓計算機進行辯解，這也是現在我們所在做的計算機視覺(computer vision)簡稱CV，自然語言處理(Natural Language Processing)簡稱NLP ，聲紋識別(Voice Print Recognition )簡稱VPR，讓計算機能看，能聽，並且能判別是誰說的。
在現在的時代，如果我們談到機器學習，那深度學習是必然繞不過去，深度學習又是機器學習的一個子集，是實現機器學習的一種方法。引用wikipedia的一段話“一類通過多層非線性變換堆對高復雜性數據建模算法的合集”。深度學習的深度基本上就是指其中的多層，不斷矯正，不斷逼近正確答案。具體的以后文章詳細介紹，這里先進行概念的梳理。
而TensorFlow就是這樣一個平台，我們可以用用其提供的方法對所設計的模型進行訓練，實現自己的想法。也支持分布式計算，並且已經開源，我們可以對其進行源碼的學習。
- TensorFlow的安裝
TensorFlow支持C++,Python語言，因其對Python語言支持的最為全面，因此我在以后的學習中選擇Python語言，（Python語言也是這樣在實踐中進行學習）
下載python環境安裝后，確保自己安裝了python的包管理工具--pip .方法是打開命令行，敲入pip，如果提示找不到該命令，則未安裝或者在安裝Python的時候，沒有將python的命令添加進系統變量。在確保pip安裝后，
# python2 用 pip python3 用 pip3
在命令行鍵入 pip/pip3 install --upgrade tensorflow
等待命令執行完后，安裝就完成了。
- TensorFlow的簡單使用
在安裝完成之后，首先介紹TensorFlow中的基本概念。
在TensorFlow中，所有的運算是以圖的形式進行組織的，節點是運算，邊是依賴關系。
以下是實例程序：
import tensorflow as tf
a = tf.constant([1.0, 2.0], name= "a")
b = tf.constant([2.0, 3.0], name= "b")
result = a + b
sess = tf.Session()
sess.run(result)
#結果為array([3., 5.], dtype= float32)
后邊文章通過例子來實踐，來推理機器算法的得出。提高自己的算法能力。