之所以选择tensorflow作为深度学习的框架，是因为google在后面支持，更新比较快，学习者比较多，在遇到问题的时候，可以相互讨论，从而能够在学习上花的成本比较少。我选择了notebook作为开发工具，下面就对tensorflow基础入门的知识进行相应的总结：

查看tensorflow的版本

tensorflow和其他的语言有着不一样，在其他语言中，一些变量和常量，还有计算的操作都是一些实际的操作，而tensorflow这些都被作为图(graph)中的节点(Node).

其中，Const:0，是这个tensor的名称，shape=(),表示是标量，dtype=int32,表示其类型是int32.其并没有和相应的实际数值0关联起来。

在像计算图里面追加操作，并没有像其他语言一样会把其值覆盖，而是会在计算图里面新增加节点，现在a的名称已经变为Const_2:0

同样也以节点的方式操作

要使得得到的结果不是tensor，就需要用Session(),就是将计算图运行起来，得到结果。其关系就好比程序与进程之间的关系，进程就是程序的一次执行，计算图就是计算的流程，就类比程序；程序跑起来就类似于session();通过sess.run()把计算图真正的运行起来

当需要和外界进行数据交换的时候，不能只是用constant定义数据，不然怎么优化更新，需要用到Variable,placeholder

placeholder代表着从外界输入的数据，None代表了不确定的维度。

需要输出其值，需要在，sess.run()里面传入相应的参数。其对应的值不会作相应的改变，原因是train_step没有放在其sess.run()里面

，

在sess.run()里面循环迭代优化，相当于计算了100次，train_steps

原文出处