Tensorflow学习笔记一：getting started with tensorflow

推荐电子书：Tensorflow for Machine Intelligence
下载链接：http://download.csdn.net/detail/pjia_1008/9852144
斯坦福tensorflow课程CS20SI course notes + slides
下载链接: http://download.csdn.net/detail/pjia_1008/9852153
tensorflow游乐场：http://playground.tensorflow.org

两个月前用Tensorflow跑了FCN，现在打算系统学习一下，follow官网教程
Tensorflow的核心是创建计算图和run所创建的计算图

简单的加法例子，我理解的计算图中的node，实际上就是运算公式中的计算符号，按照计算优先级顺序，一步一步平凑成计算流程图，要得到最终计算结果，还需要run session，在session中进行tensor的参数导入和结果输出

初始化常数直接用tf.constant就可以，但是在初始化变量的时候，需要用到init初始化全局变量，例子中的w和b如果没有init，仅仅使用tf.variable并不能进行变量初始化！如果要初始化接收输入的变量，要先给变量定义占位符：

tf.train API
在tf.train 端口中，可以选择优化迭代的方法，比如SGD/gradient descent/adam/ sgd+momentum，然后在对应的train=optimizers.minimize(loss)迭代最小化损失

tf.contrib.learn
Tf.contrib.learn高层tensorflow库，主要包括分步骤训练

下图为用contrib的线性回归例子，插一句tensor和op的区别，类比一个神经元有多个输入，一个或者多个输出，这里的op可以看作神经元，tensor可以看作是输入的数据，数组或者矩阵。
1,定义模型，包括模型的变量/线性回归方程式/损失函数reduce_sum/用tf.train.get_global_step()建立全局优化器/用梯度下降法来迭代更新参数/tf.group用来集成运算，此处用来最小化损失函数，用tf.assign叠加改变step的值/返回训练模型
2,创建estimator将上一步定义好的model传入estimator中
3,定义训练数据 tf.contrib.learn.io.numpy_input_fn定义输入输出流
4,训练 estimator.fit拟合估计输出y
5,打印evaluation结果

参考材料
[1]http://www.tensorfly.cn/tfdoc/api_docs/python/control_flow_ops.html#group
[2]http://blog.csdn.net/sinat_33761963/article/details/56286408?locationNum=9&fps=1
[3]http://blog.csdn.net/ls617386/article/details/60572770