Tensorflow（一）

tensorflow----数值计算开源库
1.网址：GitHub：https://github.com/tensorflow/tensorflow
Website：https://tensorflow.org/ or https://tensorflow.google.cn/（中文）
2. 找任意一个框架看源码，机器学习或者深度学习源码，学习编程习惯（不会先放一下，后边有推荐系统源码，入门）
3. 数据流 张量
4. 节点（Nodes）：操作；线（Edges）：节点 之间相互联系的多维数据数组（张量）；
5. 激活函数主要是将线性的转换成非线性的
6. [Tensorflow神经网络案例]
7. set path（找环境变量–根目录–）、
8. tensorflow 要求操作的数据类型必须一致
9. 每一个session一定属于某一个图，即：这个session只能运行这个图中间的什么操作
10. 如果op之间没有依赖关系，Tensorflow 底层会并行地执行
11. 指数函数：大的更大，log：小的更小；
12. 一般神经网络，深度学习最后一层是 softmax
13. 深度学习中 SGD效果不错
14.Numpy vs Tensorflow

Tensorflow可以理解成支持GPU的，能够自动进行反向传播的numpy，
numpy只能进行前向运算，反向的话要自己推导公式，自己运算；而Tensorflow就不需要，直接帮你做了这个工作。

15.placeholder：

• placeholder是一个占位符，它的值不仅可以变，而且它的值不是模型的变量；如在神经网络中，所有模型的变量是连接两个神经元之间的连接权重，所谓的保存模型，实际上就是将这些权重变量保存下来。
• placeholder和变量一样，它的值是在每一次运算的时候可以改变的；但它和变量又有不一样的地方，变量是你关心的东西，但placeholder是你不关心的东西。
• placeholder保存的实际就是模型的输入，训练神经网络的时候，为了得到关心的变量，每一次计算图的时候提供不同的输入，这个输入就保存在placeholder里面，placeholder占位符，每次运行的时候，你可以用不同的值对他做补充。

Tensorflow需要掌握：

• 图 => default graph
• 会话 => 需要指定图（默认是default graph）
• 变量 => Variable
• 张量
• 张量结果数据获取、 数据传入（占位符placeholder）

Tensorflow的两个组件：

• Tensor张量 ==> 当做数据 ==>只是在数据上做了一次Tensorflow本身的封装
• Operation操作 ==> 一般情况下，操作的返回值是操作的结果，即Tensor对象

通过实例，了解结构