training: Optimizer的各种算法 、学习率衰退（learning rate decay）、basic_train_loop、session、checkpoint、处理导数和梯度、队列、分布式执行
ops：绑定的c++ operation
framework：对c++的绑定
client：处理session
Estimator：评估器的抽象，Estimator包装类、输入的队列缓存
models:实现的model
contrib：高层的抽象
layers:层
nn：Neural Network
contrib细节：
tf.contrib.bayesflow.entropy 香农信息论
tf.contrib.bayesflow.monte_carlo Monte Carlo integration 蒙特卡洛积分
tf.contrib.bayesflow.stochastic_graph Stochastic Computation Graphs 随机计算图
tf.contrib.bayesflow.stochastic_tensor 随机张量
tf.contrib.bayesflow.variational_inference 变分推断
tf.contrib.crf CRF layer 条件随机场（conditional random field)
tf.contrib.ffmpeg ffmeg编解码音频
tf.contrib.framework 参数范围、变量、检查点
tf.contrib.graph_editor 运行时修改计算图
tf.contrib.integrate.odeint ode解常微分方程
tf.contrib.layers 构建层、正则化、初始化、优化、Feature columns（数据与模型之间进行映射）
tf.contrib.learn 高级学习库
tf.contrib.linalg 线性代数（矩阵）
tf.contrib.losses 损失函数
tf.contrib.metrics度量标准
tf.contrib.distributions概率分布
tf.contrib.rnn rnn相关
tf.contrib.seq2seq 基于rnn，实现编解码器
tf.contrib.staging.StagingArea 添加管线
tf.contrib.training mini batch和组（bucket）
tf.contrib.util
tf.contrib.nn Sampling 裁剪 信息熵
概括：losses layers training learn rnn seq2seq