內容概括：
- 學習 TensorFlow 編程模型的基礎知識，重點了解以下概念：
- 張量
- 指令
- 圖
- 會話
- 構建一個簡單的 TensorFlow 程序，使用該程序繪製一個默認圖並創建一個運行該圖的會話
概念概覽
TensorFlow 的名稱源自張量，張量是任意維度的數組。藉助 TensorFlow，您可以操控具有大量維度的張量。即便如此，在大多數情況下，您會使用以下一個或多個低維張量：
- 標量是零維數組（零階張量）。例如，\'Howdy\' 或 5
- 矢量 是一維數組（一階張量）。例如，[2, 3, 5, 7, 11] 或 [5]
- 矩陣是二維數組（二階張量）。例如，[[3.1, 8.2, 5.9][4.3, -2.7, 6.5]]
TensorFlow 指令會創建、銷燬和操控張量。典型 TensorFlow 程序中的大多數代碼行都是指令。
TensorFlow 圖（也稱為計算圖或數據流圖）是一種圖數據結構。很多 TensorFlow 程序由單個圖構成，但是 TensorFlow 程序可以選擇創建多個圖。圖的節點是指令；圖的邊是張量。張量流經圖，在每個節點由一個指令操控。一個指令的輸出張量通常會變成後續指令的輸入張量。TensorFlow 會實現延遲執行模型，意味著系統僅會根據相關節點的需求在需要時計算節點。
張量可以作為常量或變量存儲在圖中。您可能已經猜到，常量存儲的是值不會發生更改的張量，而變量存儲的是值會發生更改的張量。不過，您可能沒有猜到的是，常量和變量都只是圖中的一種指令。常量是始終會返回同一張量值的指令。變量是會返回分配給它的任何張量的指令。
要定義常量，請使用 tf.constant 指令，並傳入它的值。例如：
x = tf.constant([5.2])
同樣，您可以創建如下變量：
y = tf.Variable([5])
或者，您也可以先創建變量，然後再如下所示地分配一個值（注意：您始終需要指定一個默認值）：
y = tf.Variable([0])
y = y.assign([5])
定義一些常量或變量後，您可以將它們與其他指令（如 tf.add）結合使用。在評估 tf.add 指令時，它會調用您的 tf.constant 或 tf.Variable 指令，以獲取它們的值，然後返回一個包含這些值之和的新張量。
圖必須在 TensorFlow 會話中運行，會話存儲了它所運行的圖的狀態：
with tf.Session() as sess:
initialization = tf.global_variables_initializer()
print(y.eval())
在使用 tf.Variable 時，您必須在會話開始時調用 tf.global_variables_initializer，以明確初始化這些變量，如上所示。
注意：會話可以將圖分發到多個機器上執行（假設程序在某個分佈式計算框架上運行）。有關詳情，請參閱分佈式 TensorFlow。
總結
TensorFlow 編程本質上是一個兩步流程：
- 將常量、變量和指令整合到一個圖中。
- 在一個會話中評估這些常量、變量和指令。
創建一個簡單的 TensorFlow 程序
我們來看看如何編寫一個將兩個常量相加的簡單 TensorFlow 程序。
添加 import 語句
與幾乎所有 Python 程序一樣，您首先要添加一些 import 語句。 當然，運行 TensorFlow 程序所需的 import 語句組合取決於您的程序將要訪問的功能。至少，您必須在所有 TensorFlow 程序中添加 import tensorflow 語句：
import tensorflow as tf
其他常見的 import 語句包括：
import matplotlib.pyplot as plt # 數據集可視化。
import numpy as np # 低級數字 Python 庫。
import pandas as pd # 較高級別的數字 Python 庫。
TensorFlow 提供了一個默認圖。不過，我們建議您明確創建自己的 Graph，以便跟蹤狀態（例如，您可能希望在每個單元格中使用一個不同的 Graph）。
from __future__ import print_function
import tensorflow as tf
# Create a graph.
g = tf.Graph()
# Establish the graph as the "default" graph.
with g.as_default():
# Assemble a graph consisting of the following three operations:
# * Two tf.constant operations to create the operands.
# * One tf.add operation to add the two operands.
x = tf.constant(8, name="x_const")
y = tf.constant(5, name="y_const")
sum = tf.add(x, y, name="x_y_sum")
# Now create a session.
# The session will run the default graph.
with tf.Session() as sess:
print(sum.eval())
以上就是 tensorflow 必知必會的基礎知識了，試著修改運行該項目，開始探索 tensorflow 吧。
閱讀更多 BIFox 的文章
