class1--tensorflow：张量、计算图、会话

目标：搭建第一个神经网络，总结搭建八股

基于tensorflow的nn：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。

张量（tensor）：多维数组（列表）  阶：张量的维数

维数   阶  名字                  例子

0-D    0    标量 scalar      s=123

1-D    1   向量 vector      s=[1,2,3]

2-D    2  矩阵  matrix     s=[[1,2,3],[4,5,6],[7,8,9]]

N-D   n  张量 tensor      t=[[[(n个)

import tensorflow as tf
a=tf.constant([1.0,2.0])
b=tf.constant([3.0,4.0])e
result=a+b

print(result)

计算图（Graph）：搭建神经网络的计算过程，只搭建，不计算

得到的结果：Tensor("add:0", shape=(2,), dtype=float32)

只知道result是两行一列的浮点数向量，并不知道结果

要想知道结果，就要创建会话session

session：执行计算图中的节点运算

具体：

with tf.Session() as sess:

    print(sess.run(result))

结果：[4. 6.]