什么是TensorFlow？
先看看来自TensorFlow官方网站的介绍：
TensorFlow™ 是一个开放源代码软件库，用于进行高性能数值计算。借助其灵活的架构，用户可以轻松地将计算工作部署到多种平台（CPU、GPU、TPU）和设备（桌面设备、服务器集群、移动设备、边缘设备等）。TensorFlow™ 最初是由 Google Brain 团队（隶属于 Google 的 AI 部门）中的研究人员和工程师开发的，可为机器学习和深度学习提供强力支持，并且其灵活的数值计算核心广泛应用于许多其他科学领域。
In my humble view,TensorFlow 是一个便于部署在各种各样平台上的框架，它对多种编程语言都有良好的接口，当我们想学习机器学习或者深度学习的时候，都可以使用这个工具来实现我们的想法。在TensorFlow中有几个很重要的概念，是了解TensorFlow的基础，以下就来一一介绍：
Tensor: 即张量，张量是对数据的一种描述，也就是我们平时说的·数组，不过这个张量包括0维数组，1维数组，2维数组，3维数组，4维数组，，，等。Tensor在TensorFlow中扮演的就是数据的角色，各式各样的数据都表示为Tensor，在进行计算的过程中Tensor被传向不同的结点，就像在数据流一样，这也是TensorFlow得名的原因。
Constant: 即常量，常量可以对应原始的数据，是不会再改变的数据，即恒定的张量。
Variable: 即变量，与Tensor不同，变量是一个符号，也是组成TensorFlow中计算结点的具体对象，每个变量就是一个对象，它代表操作的一部分，它能够用来接收数据，传递数据，是TensorFlow中计算和数据流动的载体和操作的载体。
计算图：TensorFlow的一个特点就是它采用数据流图就行计算。什么是数据流图呢？参看TensorFlow的官网。这里盗用官网的一张图：
结合刚才介绍的张量和变量，我们来分析一下这张图：
图中红色的输入以及黑线的蔓延代表着张量和张量的流动，也就是数据的流动，而数据每留至一个节点，这个节点就会变量，意味着这个节点需要的数据到达了。而每个节点可以是变量，也可以是一组操作。也就是说在TensorFlow中保存的是计算的定义，而不是每次计算的实际数据，毕竟每次计算时数据都可能会改变，而我们已经定义好的计算流程一般是不大会变化的。
Session: 即会话，简单地看，会话就是对操作的执行。那么是对什么操作呢？首先操作就是我们在计算图中看到的结点，也就是我们自己定义的变量或运算。在完成变量和操作的定义之后，我们就可以执行它们，即Session将数据流向计算图中的各个节点，并完成我们定义的操作。
那么怎么使用TensorFlow完成一次运算呢？分为两步：构建图和启动图。
构建图：构建图即完成我们对变量、常量的定义也就是计算图中计算结点的定义。
启动图：启动图即计算图的执行，也就是调用Session进行计算。