独家 | 10分钟带你上手TensorFlow实践（附代码）

这篇TensorFlow教程的目标读者是那些对机器学习有一定基本概念并且想尝试上手TensorFlow的人。首先你需要安装好TensorFlow（可以跟着本教程进行安装http://cv-tricks.com/artificial-intelligence/deep-learning/deep-learning-frameworks/tensorflow/install-tensorflow-1-0-gpu-ubuntu-14-04-aws-p2-xlarge/）。 本教程共分为两部分： 第一部分我们会配合代码实例解释基础概念， 第二部分我们会构建一个线性回归模型。

第一部分： TensorFlow基础

TensorFlow是一个用于数值计算的库，其中数据沿着图（graph）而流动。在TensorFlow中数据用n维数组表示并被称之为Tensors。而图（graph）由数据(也叫Tensors)和数学运算共同组成。

• 图中的节点： 代表数学运算
  
• 图中的边(edges)： 代表在不同运算中流动的Tensors

TensorFlow不同于其他编程语言的另一个方面是： 在TensorFlow中无论你要构建什么，首先你需要构思整个蓝图。在创建图的时候，变量并没有被赋值。随后当已经创建了完整的图之后，还需要在一个会话(session)中去运行它，此时图中的变量才会被赋值。稍后还有更详细的介绍。

现在让我们通过动手来学习。运行Python并导入tensorflow：

1. TensorFlow中的图

图是TensorFlow的主干，所有的计算/操作/变量都位于图中。代码中发生的一切都位于TensorFlow提供的一个默认图中。可以通过如下代码访问该图：

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

你也可以这样得到所有操作的list：

由于现在图是空的，所以该语句的输出也是空的,即[]。

如果想打印出各操作的名称，用这条语句：

这回还是空的，等我们在图中加入了操作之后再来执行该语句。

另外，我们也可创建多个图，现在先不细讲。

2. TensorFlow会话

图是用来定义操作的，而操作必须运行在一个会话(session)中，图和会话的创建是相互独立的。可以把图想象成是设计蓝图，则会话就是它的施工地点。

图仅仅是定义了计算或者说构建了设计蓝图。 然而，除非我们在会话中运行图或者图的一部分，否则没有任何变量也没有任何值。

原文链接