（一）Tensorflow基础

1.tensorflow的数据流图（Graph和Session）

第一步：定义计算（描绘整幅图）

第二步：在Session中执行图中的计算

概述：每次计算对应的变量，会自动找到该变量所有的依赖，去计算！

2.Numpy VS   Tensorfiow

3.Session写法和定义

4.一行代码可视化神器tensorboard

切记，在定义完计算图 和 运行session之前使用summary writer！

这个tensorboard使用就不说了，后面章节会说到，安装使用的BUG蛮多，还是要费电神，我也简单写了一个bug总结可以先看看

5.常量Constant

附上API：tf.constant(value, dtype=None, shape=None, name='Const',  verify_shape=False)

value：常量，可以是零维，一维，二维矩阵.........

一些常量的基本API：

随机常量的初始化API：

6.定义的operations（op运算）

7.数据类型

8.变量Variable

tf.constant是op（定义的运算），而tf.Variable是一个类，初始化的对象有多个op（会有冗余的）！！

变量（类）的API：

切记，变量一定要初始化！

输出变量的内容：Eval()函数

9.placeholder

通过placeholder可以存放用于训练的数据，tf.placeholder(dtype,  shape=None,  name=None)

10.feed_dict和fetches

fetches：同时[op1,op2......]执行多个op（定义的运算）

feed_dict：给要执行的op运算提供，变量支持