Tensorflow的一些亮點：

1.可以執行在windows,Linux,macOS和移動裝置上

2.提供了TF .Learn的API來相容Scikit-Learn

3.提供了TF-Slim的API來簡化神經網路的構建、訓練和評估

4.在Tensorflow之上，獨立構建了一些高階API，比如Keras和Pretty Tensor

5.通過他的API，可以用C++來實現高效能操作

6.自動微分：他會自動計算你定義的成本函式的梯度

7.提供TensorBoard的視覺化工具

8.Google還啟動了一個叫做TensorFlow計算圖的雲服務

Tensorflow變數初始化：

sess = tf.Session()

sess.run(x.initializer)

result = sess.run(f)

sess.close()

or:

with tf.Session() as sess:

        x.initializer.run()

        result = f.eval()

or:

init = tf.global_variables_initializer()

with tf.Session() as sess:

        init.run()

        result = f.eval()

or:

sess = tf.InteractiveSession()     #InteractiveSession在建立時會自己設定為預設會話，因此無需使用with，但是需要close

init.run()

result = f.eval()

sess.close()

使用自動微分（反向autodiff）：gradients()適用於多輸入少輸出（例如神經網路）

gradients = tf.gradients(mse,[theta])[0]

mse:操作符，對某個變數求導

[theta];引數列表，需要求導的變數

使用優化器：

optimazer = tf.train.GradientDescentOptimizer(learning_rate = learning_rate)

                                  GradientDescentOptimizer

training_opt = optimizer.minimize(mse)

佔位符：placeholder()

在定義時不進行任何的操作，在執行時，需要傳遞一個feed_dict來指定其值。可以在定義時用shape=（）指定大小，如果shape=None，則不限制大小