Tensorflow是一款谷歌开源的人工智能(AI)框架，用于处理当下最热门的机器学习（深度学习）的一门语言。通过Tensorflow可以更好的理解机器学习及减少机器学习的复杂性。Tensorflow涉及到的激活函数，卷积函数... 将在之后的文章中为大家慢慢讲解。
如果大家想下手来玩一把的话也可以安装tensorflow。如果大家跟我一样用的是Mac只需执行一行代码就搞定。如果是其他操作系统请自行百度或Tensorflow官方网站。
*注：mac安装时需要pip 及 six 库。可自行下载安装
$ pip install https://storage.googleapis.com/tensorflow/mac/tensorflow-0.5.0-py2-none-any.whl
我们开始来讲解Tensorflow了，官方网上是这样解释 Tensorflow的
使用 TensorFlow, 你必须明白 TensorFlow:
使用图 (graph) 来表示计算任务.
在被称之为 会话 (Session) 的上下文 (context) 中执行图.
使用 tensor 表示数据.
通过 变量 (Variable) 维护状态.
使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.
官方解释的意思总结起来就是：
graph <= Session <= operation <= tensor
让tensor(张量)及一系列operation(操作) 通过Session（会话）这个载体来运行生成graph(图)。刚开始我也是懵懂，内心有无数只草泥马在崩腾，究竟是什么意思呢？ 但是用多了逐渐慢慢知道是什么意思。弄到最后则与一些编程思想有异曲同工之妙，(如iOS开发中的调用相机，发起网络请求....)我们可以认为会话是一个打包交给cpu去处理的流程。
import tensorflow as tf
sess = tf.Session()
hello = tf.constant("hello,tensorflow");
print sess.run(hello)
a = tf.constant(10)
b = tf.constant(20)
c = a + b
print sess.run(c)
sess.close()
这是Tensorflow刚开始接触的两个例子，十分简单。学习Tensorflow最好需要先了解一下python语言，但是没关系只要你有写过编程的话，这几行代码简直so easy！
刚开始接触确实有点不习惯，因为我们都习惯命令式编程。在tensorflow中采用的是符号式编程
符号式计算一般先定义各种变量，然后建立一个数据流图，在数据流图中规定各个变量之间的关系，最后需要对数据流图进行编译，此时数据流图还是一个空壳子，里面没有任何实际数据，只有把需要运算的输入放进去，才能在整个模型中形成数据流，从而形成输出值
当我运行print (hello)时，打印的不是“hello,tensorflow”,而是一个<Tenser对象>。需要通过Session执行print sess.run(hello)时才能打印我预期的结果。网上搜索一番后才得知，变量，常量及操作 都需要在Session中的run中运行才会生效。
例子中 a与b 代表的是常量。c代表的是operation(操作)，通过Session执行，得到Graph
这就是对应上tensorflow官方网上说明的结构
补充： 当项目中用到变量 tf.Variable() 时，应该先执行 init_op = tf.initialize_all_variables() 这方法是为了初始化所有的变量，如果没有初始化变量去执行变量，shell 出错
