TensorFlow
TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。
节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。
它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。
可用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
数据流图（Data Flow Graph）
用“节点”（nodes）和“线”(edges)的有向图来描述数学计算。
“节点” 一般用来表示施加的数学操作，也可表示数据输入（feed in）的起点/输出（push out）的终点，或读取/写入持久变量（persistent variable）的终点。
线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组，即“张量”（tensor）。
张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。
一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算。
基本用法
一览
使用 图（Graph） 表示计算任务
在 会话（Session） 中执行图
使用 tensor 表示数据
通过 变量（Variable） 维护状态
使用 feed和fetch 进行赋值或取值
图中的节点称为op（operation）
一个op获得tensor（>=0个）进行计算，产生tensor（>=0个）
TensorFlow程序通常包括 构建阶段 和 执行阶段
在构建阶段，op的 执行步骤 被描述成图
在执行阶段，使用 会话 执行图中的op
TensorFlow Python 库有一个默认图 (default graph), op 构造器可以为其增加节点进阶
Python代码的目的是用来 构建这个可以在外部运行的计算图，以及 安排计算图的哪一部分应该被运行。
http://tensorfly.cn/
github 地址 ：
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/tutorials