深度学习-1：TensorFlow简介+几个概念+变量

此番为对【TensorFlow实战Google深度学习框架】的学习笔记。从目前的进度来看，该书算是看起来很舒服的一本了，没有收广告费=_=。

1. 基本概念

1.1 三个定义

• 人工智能：一类广泛存在的问题，旨在通过计算机实现类似人类的智能。
• 机器学习：如果一个程序可以在任务T上，随着经验E的增加，效果P也随之增加，则称这个程序可以从经验中学习。
• 深度学习：一种机器学习方法，能够自动地将简单的特征组合为更为复杂的特征

1.2 主要依赖包

• Protocol Buffer：处理结构化的数据（即有多种属性的数据），序列化后为二进制流，且需预先定义数据的格式，还原时也需用到这个预先定义的格式。
  单元：message - 定义每一个属性的类型、名字、（required, optional, repeated）
• Bazel：项目空间 - 类似一个文件夹。含WORKSPACE文件、BUILD文件、*.py等。

1.3 计算模型、数据模型、运算模型

TensorFlow为一个通过计算图的形式表述计算的编程系统。在TensorFlow中，计算模型为计算图，数据模型为张量，运算模型为会话。

1.3.1 数据模型

• 张量（Tensor）：功能上类似多维数组，实际上是对运算结果的引用，保存的不是数字，而是得到这些数字的过程。变量是