tensorflow API简单整理（一、常量与变量基础）

Tensorflow Python API简单整理

google 对tensorflow的教程里面，从机器学习的角度进行了一步步的讲解，但是我自己在编写机器学习代码的时候，经常找不到相应的api。故我从官网上下载了tensorflow python api的文档，花了些时间对其中主要的内容过了一下，这里做一下整理和记录，望各位大牛给予指导。

另：本人为传统行业转行IT，没有科班经验，若有错误之处，请直接指明，我会尽快修改。

0.总体

tensorflow python api分为13个部分，按照麦肯锡每一个层级不超过3个的原则，我又分了一下，大概分为图的构建，图的运行，相关支持三类，。其中图的构建内容比较多，包括constant op，Variables，Control Flow，BUiliding Graphs，Tensor Transformations ，图的运行包括Running Graphs，Training，其他支持包括Inputs & Readers,data IO,Math,Neural Network,Sparse Tensor,Iamges.感觉不尽合理，但是我就这样分了。

1. 图的构建

有些地方说tensorflw差不多算是一门新的语言，既然这样，干脆就从常量、变量、控制条件等出发算了。

1.1 constan op

在深度学习中，常量一般用来描述学习框架的结构，或者叫超参数。tensorflow基本的数据类型有14种，在这几本数据类型上，给与了3种主要的包装类型，分别是Constants value tensors，Sequence和Random Tensors

1.1.1基本数值结构

数据类型	Python 类型	描述
DT_FLOAT	tf.float32	32 位浮点数.
DT_DOUBLE