该笔记使用斯坦福的tensorflow课程CS20SI作为教程，可以在https://web.stanford.edu/class/cs20si/syllabus.html获得相关资源
为什么要学习tensorflow
因为tensorflow是目前最流行的开源深度学习框架，由google开发，跨平台且具有良好的可移植性。 当然是因为用的人多，资料好找，例子大把大把的。国外都不流行的框架，国内想耍肯定不容易。此外，使用python的api也是原因之一，毕竟好上手嘛。
安装并使用tensorflow
安装教程： https://www.tensorflow.org/install/
跟着官方的说明走走就是了，但如果要安装gpu版的，有些地方就要注意了。
http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#system-requirements
参考这个网址，建议选择其中的发行版，跟着教程安装cuda和cudnn（我就因为linux本身的问题导致opengl出了问题，不过貌似没啥影响）。
安装成功后，打开终端的python命令行，如果下面这行代码不报错，差不多就成功了。
import tensorflow as tf
如果有问题就慢慢查资料吧~
基本概念： 张量（tensor）
张量（tensor）是一个n维的数组
- 0维的tensor是一个标量（scalar）
- 1维的tensor是一个向量（vector）
- 2维的tensor是一个矩阵（matrix）
基本概念： 图（Graph）和会话（Session）
图（Graph）是计算过程的组合，会话（Session）则用于启动Graph。
一个简单的graph：
a = tf.add(1, 2)
这行代码会让tensorflow自动将x,y分别赋值为1,2。至于为什么是x和y？当没有手动指定时，默认就是这样。
要注意的是，a的值不是3，要得到3，需要使用session。
a = tf.add(1, 2)
sess = tf.Session()
print(sess.run(a))
sess.close()
也有另一种写法：
a = tf.add(1, 2)
with tf.Session() as sess:
print(sess.run(a))
每个graph都包含数个节点（nodes），这些node有多种类型
- 常量（constant）
- 变量（variable）
- 运算符（operator）
- 占位符（placeholder）
而连接node之间的线（edges），则在nodes之间传递tensor
来看一个大点的graph：
x = 2
y = 3
add_op = tf.add(x, y)
multiply_op = tf.multiply(x, y)
useless = tf.multiply(x, add_op)
pow_op = tf.pow(op2, op1)
with tf.Session() as sess:
sess.run(pow_op)
在这段代码中，useless这个运算符并不会被用到，session不会计算无用的值
当然，在tensorflow中，一个完整的图可以被分成多块，由多个不同设备进行运算。
