基本概念
- 图（Graph）：图描述了计算的过程，TensorFlow使用图来表示计算任务。 计算图（Computational Graph）
- 张量（Tensor）：TensorFlow使用tensor表示数据。每个Tensor是一个类型化的多维数组。
- 操作（Operation）：图中的节点，一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。
- 会话（Session）：图必须在“会话”的上下文中被执行。会话将图的op分发到CPU或GPU之类的设备上执行。
- 变量（Variable）：运行过程中可以被改变，用于维护状态。（placeholder：占位符变量、feed_dict：传递数据）
TensorFlow虽然封装了大部分深度学习的细节，但还是需要了解深度学习的一些核心概念，比如：
- 用于图像识别的卷积神经网络(CNN, Convolutional Neural Network)
- 用于自然语言处理的循环神经网络(RNN, Recurrent Neural Networks)
TensorFlow也同时提供了代码自动升级工具：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility
# python tf_upgrade.py --infile sample1.py --outfile sample.py
