之前曾经学习过一阵子，但是时间赶，并没有懂得什么东西，甚至于当时由于在C盘跑深度学习程序而把电脑的重要文件给误删了。这阵子打算重新开始学习Tensorflow，主要基于《Tensorflow实战Google深度学习框架》这本书。
最开始的简单程序：
通过TensorBoard可视化向量相加的计算图：
（matrix1对应a, matrix2对应b，product对应add)
Tensorflow三大模型
包括计算模型、数据模型和运行模型
Tensorflow计算模型：计算图
Tensorflow是一个通过计算图的形式来表述计算的编程系统。Tensorflow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。如上图，所有Tensorflow的程序都可以通过类似上图的计算图的形式来表示，这便是TensorFlow的基本计算模型。
计算图的使用
两个阶段：定义计算阶段，执行计算阶段
计算阶段：
通过tf.get_default_graph函数可以获取当前默认的计算图：（通过a.graph可以查看张量所属的计算图。由于没有特意指定，所以这个计算图等于当前默认的计算图，因此输出为True）
除默认的计算图，Tensorflow支持通过tf.Graph函数来生成新的计算图。不同计算图上的张量和运算不会共享。