Session,Graph,Operator,Tensor
1. Session
图的概念比较抽象
with tf.Session(target='', graph=None, config=None) as sess:
sess.run(fetches, feed_dict={y:3})
也是一种方式，feed_dict给placehoder赋值，注意feed_dict只在调用它的句子中才有效
注:函数-tf.initialize_all_variables()
当Session加载Graph的时候，Graph里面的计算节点都不会被触发执行。当运行sess.run(output)的时候，会沿着指定的Tensor output来进图路径往回触发相对应的节点进行计算。
所以在计算Graph时，并不一定是Graph中的所有节点都被计算了，而是指定的计算节点或者该节点的输出结果被需要时。
2. Graph
g = tf.graph()
with g.as_default(): 可以设置其为默认图
这样可以把它当作Session的参数传进去：
with tf.Session(graph = g) as sess1:
print sess1.run(c1)
这样一个程序里可以有多张图，也可以建立多个会话
3. Operation
比如： c = tf.matmul(a,b)
一些我已经知道的，必须掌握的基本api：
1. w/b = tf.Variable(initial-value>,name=<optional=name>)
y = tf.matmul(w,x)+b
z = tf.sigmoid(w+y)
a = tf.placeholder("float")
w.assign(w+1.0) / w.assign_add(1.0)
init = tf.initialize_all_variables()
save
