Tensorflow--入门记录

Tensor为张量，flow为流图。

Tensorflow内含有很多写好的工具，如梯度下降算法，卷积操作等。

在使用Tensorflow时，先导入包import Tensorflow as tf，在进行定义tensorflow变量时，使用tf.Variable(参数)，有趣的是一个叫做占位符的工具，tf.placeholder(shape)申请一个占位符，这类似设置了一个shape已经知道的未知变量，在后面可以使用feed_dict={占位符:参数}来对占位符进行赋值。这个op在写完后徐要需要Session来进行运行，sess = tf.Session()申请会话，最后通过sess.run(要运行的内容)方法来完成计算。

Tensorflow 简单神经网络案例：

    内容：通过简单的神经网络来实现识别Mnist手写字体。图片长宽都为28，通道为1。

    y = xw+b

    x=先设这个数据集为一个长为任何长度，宽为28*28的矩阵。

    w=再设置权重参数wij，wij为长度为28*28，宽为10的矩阵。

    b=然后添加一个长度为10的偏置项

    然后通过交叉熵来作为损失函数，进行迭代，使损失函数逐步减小。

   

    代码实现：

    import tensorflow as tf

# 申请x占位符，None表示任意长度。

    x = tf.placeholder(tf.float32, [None, 28*28])

    w = tf.Variable(tf.zeros[