Tensorflow的名字中包含兩個概念-tensor和flow。Tensor是張量的意思，在tensorflow中可以被簡單的理解爲數組。Flow就是張量之間通過計算相互轉化的過程。分別介紹tensorflow的計算模型、數據模型和運行模型。
1.計算模型
Tensorflow是一個通過計算圖的形式啦表述計算的編程系統，Tensorflow將所有的計算轉化爲計算圖，圖中的每一個計算都是計算圖的一個節點，並且不同計算圖上的張量和運算都不會共享。
函數：
tf.get_default_graph函數可以獲取當前默認的計算圖。
tf.Graph函數用來生成新的計算圖。
tf.Graph.device函數來指定運行計算的設備。
2.數據模型
張量可以被簡單理解爲多位數組。在tensorflow中，張量並非保存數字，而是保存的是如何得到這些數字的運算過程。一個張量中主要包含三個屬性：名字、維度、類型。如下圖所示。
add:0，表示result這個變量是節點“add”輸出的第一個結果，編號從0開始。shape表示的是張量的維度。dtype表示屬性的類型。
3.運行模型
Tensorflow中的session來執行定義好的運算。session擁有並管理Tensorflow程序運行時的所有資源。session也有先定義後使用的規則，但是在程序的結尾處要close了。
使用方法：
sess = tf.Session() #創建一個會話
sess.run() #將進行會話的運算
sess.close(0 #關閉會話
如果不想使用close也可以使用with函數。如：
with tf.Session() as sess:
sess.run()
tf.Tensor.eval函數來計算一個張量的取值。
tf.InteractiveSession函數會自動將生成的會話註冊爲默認會話。
Tensorflow常用函數：
tf.Variable() #創建一個變量
tf.matmul() #實現矩陣相乘
常見隨機數生成函數：
（1）tf.random_normal() #正太隨機函數，主要參數爲平均值、標準差、取值類型
例:tf.random_normal([2,3],stddev=2)，2*3矩陣，標準差爲2
（2）tf.truncated_normal() #正太分佈隨機函數，如果隨機出來的值偏離平均值超過2個標準差，那麼這個數將會被重新隨機
（3）tf.random_uniform() #平均分佈，主要參數爲最小、最大取值，取值類型
（4）tf.random_gamma() #Gamma分佈，主要參數爲形狀參數alpha、尺度參數beta、取值類型
常見常熟生成函數：
（1）tf.zeros() #生成全0的數組
例:tf.zeros([2,3],int32)
（2）tf.ones() #生成全1的數組
例:tf.ones([2,3],int32)
（3）tf.fill()產生一個全部爲給定數字的數組
例:tf.fill([2,3],2)
（4）tf.constant() #產生一個給點值得常量
例:tf.constant([2,3])
tf.initialize_all_variables() #初始化所有的變量，tensorflow中定義時初始化變量是個僞初始化變量，需要進行改函數的初始化才能生效。
卷積神經網絡：
tf.nn.max_pool(value,ksize,stridies,padding,name=None) #value一邊是feature map，形式是一個四維變量爲[batch,height,width,channels]，ksize表示池化窗口的大小，是一個四維變量[1,height,width,1]，strdies是步長，[1,stride,stride,1]，padding取‘VALID’或者‘SAME’。
tf.nn.lrn(input,depth_radius=None,bias=None,alpha=None,beta=None) #是一個數據增強作爲relu激勵之後防止數據過擬合而提出的一種處理方法，局部相應標準化。基本上會被DROPOUT方法所替代。
tf.nn.bias_add(value,bias,name=None) #將偏差項bias加入到value上去
tf.image.decode_jpeg(image_contents,channels=3) #對jpeg格式的圖像進行解碼，解碼之後的結果爲一個tensor，channels爲顏色通道個數
tf.train.slice_input_producer() #是一個tensor生成器，作用是按照設定，每次從一個tensor列表中按順序或者隨機抽取出一個tensor放入文件名隊列。
tf.train.batch() #是一個tensor隊列生成器，作用是按照給定的tensor順序，吧batch_size個tensor推送到文件隊列，作爲訓練一個batch的數據，等待tensor出對執行計算。
tf.nn.dropout() #爲了防止或減輕過擬合而使用的函數，一般在全連接層。
tf.train.AdamOptimizer(learning_rate) #次函數是Adam優化算法，選擇全局最優點的優化算法，引入了二次方梯度校正，並基於learning_rate進行梯度優化訓練
tf.train.GradientDescentOptimizer(learning_rate) #此函數是利用梯度下降方進行優化操作,並基於learning_rate進行梯度優化訓練
tf.summary.merge_all() #可以將所有的summary全部保存到磁盤，以便tensorboard顯示
tf.summery.scalar() #添加標量統計結果
tf.nn.in_top_k(prediction,target,k) #模型預測的結果和實際結果是否相等，k表示每個樣本的預測結果的前K個最大的數是否在target裏，一般取1
tf.nn.relu() #激活函數
tf.nn.lrn(0 #歸一化函數
tf.argmax(vector, 1) #返回的是vector中的最大值的索引號，如果vector是一個向量，那就返回一個值，如果是一個矩陣，那就返回一個向量，這個向量的每一個維度都是相對應矩陣行的最大值元素的索引號。
Tensorflow的API地址爲：https://www.tensorflow.org/api_docs/python/
參考文獻：
Tensorflow：實戰Google深度學習框架
ValueError: Rank mismatch: Rank of labels (received 2) should equal rank of logits minus 1 (received 2).http://maaiguo.com/