tensorflow-01张量，图，会话，placeholder

sklearn：在分类，回归领域不错。图像领域效果差

tensorflow ：图像，nlp领域。
特别是卷积神经网络：图像识别
循环神经网络：自然语言处理nlp。

谷歌brain2015推出tensorflow（带graph的可视化，非常方便）
优点：

1、可移植性
支持包括CPU/GPU/TPU，以及能够很好地运行在移动端，
如安卓设备、ios、树莓派等等

2、多语言支持
python/c++程序。

3、高度的灵活性与效率
TensorFlow：张量在图中流动（data flow graphs），用于数值计算的开源软件库
能够灵活进行组装图，执行图。随着开发的进展，Tensorflow的效率不算在提高

4、支持
TensorFlow 由谷歌提供支持，谷歌投入了大量精力开发 TensorFlow，它希望
TensorFlow 成为机器学习研究人员和开发人员的通用语言

推荐Tensorflow 1.0 稳定版（有gpu /cpu版本）
Ubuntu虚拟机不能使用gpu版本
一行代码就 开启gpu非常简单

Tensorflow :计算密集型 （大量矩阵运算）
Django ,Scrapy :io密集型 ，频繁请求

cpu：综合能力还可以，计算能力不突出。
Gpu ：对图像计算能力非常厉害。


tensorflow = 图graph（定义程序结构，定义流程图）+ 会话session（真正计算）


图graph = 数据单元（tensor张量） + 计算单位（op，operation）
张量： constant，Variable 等等

Tensorflow 程序 一般有：
前端系统：定义图，定义各种变量，张量等
后端系统: 根据图进行运算。

tensorflow语法比较特殊，第一简单的例子，实现加法运算

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 
# 默认图定义
a = tf.constant(1.0)
b = tf.constant(2.1)
c = tf.add(a,b)
print(a)	# 常量
print(b)	# 常量
print(c)	# 加法op
with tf.Session() as ses:
    ses.run(c)

图：定义好整个程序

Session 会话： 启动整个程序。

图

一组表示 tf.Operation计算单位的对象
和tf.Tensor表示操作之间流动的数据单元的对象
含有默认图

tf.get_default_graph() # 获取默认图

op.graph
sess.graph
tensor.graph 查看所属于的图

g1 = tf.Graph()    	# 创建g1图
with g1.as_default(): 
        a = tf.constant(1.0) 			# 图中定义
        assert c.graph is g`

import tensorflow as tf
import