配置环境：python -V：3.7.1 TensorFlow -V：1.14.0
安装tensorflow遇到的坑
本以为安装tensorflow跟安装别的库一样，结果安装时安装成功了，但是一导入就错，后来才发现安装的tensorflow的版本跟python的版本，跟编译器版本，都有关系。而且，加入安装的是GPU版本，跟显卡的运算平台CUDA，神经网络加速库cuDNN还有关系。所以，在安装前，首先要做的就是到官网去查看配置情况。
不同版本所需配置
GPU版本稍复杂一点，要保证CUDA，cuDNN的版本一致。不然一导入就会报DLL的错误。当然，GPU版本的计算速度确实快，所以有条件尽可能安装GPU版本的。
会话
tensorflow不能直接打印出张量，首先要开启会话：
with tf.Session() as tf:
会话的占位符
tf.placeholder(dtype=,shape=[])
用来定义暂不知道形状，或者数值未知的张量，先占个位置
TensorBoard可视化
一共就两步，第一步
writer = tf.summary.FileWriter('保存路径'）
第二步：writer.close()
在命令窗口输入 tensorboard --logdir=e:/event/test，后面的路径要么加上双引号，要么不加引号。否则，浏览器看不到graph。
创建变量:三步
b = tf.Variable(initial_value=100)
在开启会话之前，要对变量定义初始化
model = tf.global_variables_initializer()
在会话中要运行初始化，之后才能显示变量
sess = tf.session
sess.run(model)
增加变量显示：共3步
第一步：创建事件文件，主义参数，graph
filewriter = tf.summary.FileWriter('e:/events/test',graph=sess.graph)
第二步：收集变量，合并变量
tf.summary.scalar('error',error) #scalar收集单值变量
tf.summary.histogram('weights',weight) #histogram收集高维变量
tf.summary.histogram('bias',bias)
merged = tf.summary.merge_all()
第三步：每一次优化运行变量并写入事件
# 增加变量显示，运行合并变量
summary = sess.run(merged)
# 增加变量显示，将变量写入事件文件
filewriter.add_summary(summary,i)
# filewriter.close()
构造模型的一般步骤
准备数据>构造模型>构建损失函数>优化损失>训练模型
保存模型：两步
saver = tf.train.Saver()
saver.save(sess,'path')
读取模型
saver = tf.train.Saver()
ckpt=tf.train.get_checkpoint_state('E:\jupyter\机器学习\神经网络\TensorFlow\minister\ckpt')
if ckpt and ckpt.model_checkpoint_path:
saver.restore(sess,'E:\jupyter\机器学习\神经网络\TensorFlow\minister\ckpt\mnist.ckpt')
读取模型报错“Key Variable not found in checkpoint”，问题多半处在变量上，需要检查包括变量名字，变量的命名空间与保存模型是是否一致。