这是第一篇tensorflow的博客，主要介绍tensorflow的运行机制和tensorflow的helloworld程序。tensorflow从它的名字可以看出，它的数据类型是tensor，至于tensor是什么，直接翻译过来我们可以理解为张量，张量可以理解为多维数组。
flow表示这个框架是以数据流图的形式来执行程序，首先你需要定义一个计算图，比如以下代码中的语句result=tf.add(number1,number2)。这个计算图是静止的，当代码运行到这里的时候，程序其实不会进行加法运算。接下来我们要定义一个会话，这也就是让tensorflow的计算图”流动“起来，会话的定义是sess=tf.Session()这一句，当然我们还可以用with tf.Session as sess，这样的语句。定义好数据流图和会话之后，就可以利用result=sess.run(result)这个语句来启动会话，使得之前定义的加法运算能够进行。
# -*- coding: utf-8 -*-
import tensorflow as tf
"""
Created on Mon Jul 16 20:05:52 2018
@author: Lenovo
"""
number1 = tf.constant(3)
number2 = tf.constant(4)
result=tf.add(number1,number2)
sess = tf.Session()
result=sess.run(result)
print("结果是")
print(result)下图是运行的结果：
runfile('E:/Study/programmingstudy/tensorflowhelloworld.py', wdir='E:/Study/programmingstudy')
结果是
7tensorflow采用这种数据流图的形式，在一定程度上也限制了tensorflow的动态性，使得它不能够实时的改变神经网络的结构并且查看改变后的结果。
另外，需要提醒的一点是类似于number1 = tf.constant(3)，这种数据定义的类型就是tensor类型，这种类型的操作只能用tf.XXX的操作才能进行，而且必须在会话中才能看到结果，在会话之前，直接用print输出来不会输出数值本身。如果我们将代码稍微改一下，变成下图所示。
import tensorflow as tf
number1 = tf.constant(3)
number2 = tf.constant(4)
print(number1)那么我们可以看到输出的结果变成了这样：
runfile('E:/Study/programmingstudy/tensorflowhelloworld.py', wdir='E:/Study/programmingstudy')
Tensor("Const_15:0", shape=(), dtype=int32)总结，tensorflow先定义计算图，然后利用session会话的方式启动计算，这种计算的方法将计算定义和计算部分分开，是tensorflow这个框架的最大的特点。