接下來會更新一系列博客，介紹TensorFlow的入門使用，盡可能詳細。
本文概述：
說明TensorFlow的數據流圖結構
1、數據流圖介紹
TensorFlow是一個采用數據流圖（data flow graphs），用於數值計算的開源軟件庫。節點（Operation）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯系的多維數據數組，即張量（tensor）。
2、案例：TensorFlow實現一個加法運算
2.1 代碼
# 實現一個加法運算 con_a = tf.constant(3.0) con_b = tf.constant(4.0) sum_ = tf.add(con_a, con_b) with tf.Session() as sess: print(sess.run(sum_))
注意：此時往往會出現一堆紅色警告，忽略或者輸入下面的代碼屏蔽即可。
警告指出您的CPU支持AVX運算加速了線性代數計算，即點積，矩陣乘法，卷積等。可以從源代碼安裝TensorFlow來編譯，當然也可以選擇關閉
import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
2.2 TensorFlow結構分析
TensorFlow 程序通常被組織成一個構建圖階段和一個執行圖階段。
在構建階段，op（op指的就是上面說的節點，表示數學操作，如加法，乘法，點積等）的執行步驟被描述成一個圖。
在執行階段，使用會話執行執行圖中的 op。
- 圖和會話 ：
- 圖：這是 TensorFlow 將計算表示為指令之間的依賴關系的一種表示法
- 會話(Session)：TensorFlow 跨一個或多個本地或遠程設備運行數據流圖的機制
- 張量：TensorFlow 中的基本數據對象
- 節點：提供圖當中執行的操作
簡單地說，tf框架中，代碼的執行都要在會話中進行，而這里所說的圖往往指的都是默認圖，不需要我們去指定。因此我們只要開啟會話，（在默認圖中）執行代碼即可，代碼所執行的操作，我們稱之op，即節點。