本篇文章只是基於自己對TensorFlow使用過程中的個人理解，以及一些基本注意事項。
TensorFlow™ 是一個採用數據流圖（data flow graphs），用於數值計算的開源軟件庫。節點（Nodes）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯繫的多維數據數組，即張量（tensor）。它靈活的架構讓你可以在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。TensorFlow 最初由Google大腦小組（隸屬於Google機器智能研究機構）的研究員和工程師們開發出來，用於機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可廣泛用於其他計算領域。
這是 TensorFlow 中文社區，這其特徵提到：線是 tensor 類型，是一種多維數組，需要注意的是
- tensor 類型是不可迭代的
- tensor 類型和 list 類型可以相互轉換，且 list 類型在圖中不影響梯度傳遞
- 在計算圖中，不可使用非數學計算符號，比如用 if 做一個數據過濾 這一條需要解釋一下，如果你做一個條件過濾，相當於做一個截斷，梯度無法傳遞給 if 條件之前的變量，之前的變量都會被當成常量。比如你用 TensorFlow 寫一個 GAN （對抗式生成網絡），需要做一個變量選取，如果在生成模型的輸出做一個條件選取，那麼生成模型的全部變量將無法被梯度下降優化器做優化。
- 關於 tf.variable_scope 的理解 網上說了很多原因爲什麼需要這樣做的原因，我決定直接從結果上來說，或者說 TensorFlow 的規定來說（個人愚見）。以 LSTM 爲例（LSTM是RNN的一個變種），在一個 variable_scope 中只允許有一個 LSTM 實例。如果你使用了 LSTMCell 這種類，你很可能直接將其封裝在一個函數裏，然後建立圖表的時候調用一次，這時候其實你是失去了對那個 LSTMCell 實例的控制（就是你想再用一次這個實例其實是沒辦法做到的），但是TensorFlow會給你記着它裏面的所有變量，所以 TensorFlow 只允許有一個 LSTMCell 實例，如果你需要用兩個 LSTMCell 實例，那麼再開一個 variable_scope 就可以了。同時 variable_scope 可以傳給梯度下降優化器，可以選擇一些變量進行優化，其他的變量當成常量。
- TensorFlow一般情況下是先構建計算圖，對於數據使用 placeholder 進行佔位，之後用feed_dict進行填充，其實也可以直接將數據當成常量投餵給計算圖，不過需要解決迭代問題。參見第一條。