TensorFlow基础1

Tensorflow的优点：

可视化TensorboardCheckpoints:实验状态的保存和恢复自动微分/求导

Tensorflow上层库接口

Graph和Session

在Tensorflow里面，计算的定义和执行是被分开的，用数据流图Data Graph Flow来定义计算。这个的好处是可以进行分布式运算，把OP(Operation)分发到不同的机器Server上运算，将结果返回到master，再进行下一步的计算。

Tensor

直接print tensor是无法得到tensor的值得，因为这个只是在数据流图里定义了这个变量和操作，并没有真正去运行它，因此一定要在session里运行之后才能得到具体数值。

TensorFlow可能定义了一个非常复杂的图，但是TensorFlow只会执行我们run了的那一部有相关依赖分子图，而不会执行整张图，这样可以极大得提升程序的效率。如果要跑多个op的话可以传给它一个list[]  

writer把计算图写到TensorFlow的日志文件里，方便TensorBoard进行可视化。

这里之所以出现const和const1是因为我们并没有给const赋名字，上面的a,b,x并不是名字。a,b,x只是表明operation依赖关系的中间量。下面是给了名字的

稍微注意一件事情，tf.multiply和tf.matmul是不一样的。

tf.multiply是逐点做点乘，tf.matmul是做矩阵乘法，矩阵之间有乘法也有点乘。

默认端口是6006