学习TensorFlow确实是因为工作需要，是为了分析单细胞测序的数据。
TensorFlow（以下简称为tf）是一个AI的编程框架，有自己的设计理念，必须理解这个理念才能灵活调用其API来开发AI模型。
接下来说一下tf的设计理念：
1. 图。
可以看到黑色箭头在流动，流动的就是tensor，也就是数据。仔细观察，箭头经过的节点就是对数据的操作，输入数据经过某个操作后，继续往下流。这张图片很好解释了TensorFlow名字的内涵。计算机程序=数据+算法。tf框架正是采用了图（graph）的概念将复杂的数据流动抽象管理起来。图相当于AI模型的蓝图，包含所有设计逻辑。在tf图里，可以对变量进行管理，可以添加对变量的操作。tf可以声明常量（tf.constant)、变量（tf.Variable）和占位量（tf.placeholder）。区别于常量，变量和占位量值都可以改变。变量在声明的时候需要有初始值，而占位量可以在运行时传入值。学过c++等语言的应该很容易理解tf.placeholder，也就是需要提前给定变量的形状（如大小和类型）。有了变量，就一定有变量作用域，tf通过tf.name_score()等函数来管理变量作用域。
2. 执行运算。
有了图之后，tf通过创建会话（session）来执行图。
这是学习tf的第二天，一些心得，有不对之处，请大家多方确认。
