引言： 最近tensorflow很火，看到国内都有不少人开始玩起来了，自己最近有些想法想玩玩，于是开始入门搞一下，因为自己只有一个台式电脑，于是就装了个cpu版的tensorflow，安装过程挺顺利，一两句命令搞定，最后遇到过glibc的版本问题，直接升级了Ubuntu版本就好了。 于是，开始入门了。下面是我学习的笔记，水平有限，如有不对，敬请指教。
在tensorflow框架下，定义了tensor这么一个数据结构，她是可以任意n维空间的数据表达，这个n称之为tensor的阶，0阶的就是一个数，1阶的就是一个向量，2阶就是一个矩阵，3阶就是一个立方体，等等。
当然，tensor中里面的数据类型可以指定，比如float32,int32等。Tensorflow的编程思想主要是如下几点：
综合来说，就是用tensor定义了一堆数据，里面可以有常量也可以有变量，然后用一个个operation表示计算步骤，这些operation节点连起来构成了一个graph表示计算任务。graph可以有多个，但对于大部分程序一个graph就够了，作为初学者，可以忽略多graph的情况，tensorflow会提供一个默认的graph。graph定义好，计算并不会马上执行，需要通过session来启动graph的执行。Session中的每一次计算operation，都可以通过fetch的方式把对应的tensor返回作为计算结果。而传给计算operation的参数，可以直接用变量或者常量的名字，也可以通过feed的形式传参。实例1：
下面是两个向量点乘的实例，展示了基本的operation和graph定义，以及session启动。
执行结果：
实例2：
下面是用变量表示graph计算的状态信息的实例，值得关注的是，operation之间的依赖关系。
从代码中可以看到，我们只是显示执行了update这个operation，但是没有显示执行new_value这个operation，不过通过执行结果可以判断，new_value这个operation的确是触发执行了，也许是state每次变化时检查到依赖立刻触发new_value这个operation的执行，也许是要执行update这个operation时发现有个依赖的new_value这个operation需要触发。按照目前的理解，更加倾向于后者，有点类似编程中的闭包的概念。实例3：
下面是一个通过fetch机制，把tensor作为结果返回的实例
实例4：
下面是一个通过feed机制把参数传进计算operation的实例
实例5：
线性回归经典实例
值得注意的是，在tensorflow里面实现线性回归，只需要把预测模型和损失函数定义好基本就可以了，里面有梯度下降优化器帮你求解，不必自己再写。
参考资料： 张量的阶、形状、数据类型 http://wiki.jikexueyuan.com/project/tensorflow-zh/resources/dims_types.html
Tensorflow基本使用 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/basic_usage.html
Tensorflow简介 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/introduction.html
Tensorflow变量:创建、初始化、保存和加载 http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/variables.html
linear_regression https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/linear_regression.py
入门级解读：小白也能看懂的TensorFlow介绍 http://it.sohu.com/20170221/n481292094.shtml
TensorFlow入门一 http://hacker.duanshishi.com/?p=1639
本文作者:linger
