TensorFlow执行流程，基础入门 【转】
版权声明：
本文为博主学习过程中整理发布,如有侵权请告知
更新时间：
2018-05-27 11:52:34
温馨提示：
学无止境,技术类文章有它的时效性,请留意文章更新时间,如发现内容有误请留言指出,防止别人"踩坑",我会及时更新文章
TensorFlow的基础运算
在搞神经网络之前，先让我们把TensorFlow的基本运算，也就是加减乘除搞清楚。
首先，TensorFlow有几个概念需要进行明确：
1 图（Graph）：用来表示计算任务，也就我们要做的一些操作。
2 会话（Session）：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多个图，通过执行这些图得到结果。如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据生产成结果。
3 Tensor：用来表示数据，是我们的原料。
4 变量（Variable）：用来记录一些数据和状态，是我们的容器。
5 feed和fetch：可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。相当于一些铲子，可以操作数据。
形象的比喻是：把会话看做车间，图看做车床，里面用Tensor做原料，变量做容器，feed和fetch做铲子，把数据加工成我们的结果。
2.1 创建图和运行图：
下面我们创建一个图，并在Session中执行它，不用担心看不懂，每句代码都会注释，只有有编程基础，都能OK：
上面就是用TensorFlow进行了一个最简单的矩阵乘法。
2.2 创建一个变量，并用for循环对变量进行赋值操作
可以看到，除了变量创建稍微麻烦一些和必须建立session来运行，其他的操作基本和普通Python一样。
2.3 通过feed设置placeholder的值
有的时候，我们会在声明变量的时候不赋值，计算的时候才进行赋值，这个时候feed就派上用场了
到这里，恭喜你，已经成功入门TensorFlow~ 是不是觉得太简单?好像和深度学习毛线关系都没有嘛。不要急，下一篇文章和大家一起用TensorFlow做一个简单的用神经网络来做手写图片识别的实战。
