-
from __future__ import absolute_import的作用：
https://blog.csdn.net/caiqiiqi/article/details/51050800
-
from __future__ import division的作用：
https://www.cnblogs.com/zhangqigao/archive/2016/12/13/6172147.html
-
from __future__ import print_function的作用：
https://blog.csdn.net/xiaotao_1/article/details/79460365
-
查看已安装tensorflow版本和路径，查看Python路径：
https://blog.csdn.net/qq_25973779/article/details/80197082
-
如何看待tensorflow新出的eager模式？
https://www.zhihu.com/question/67471378/answer/253549074
TF通过计算图将计算的定义和执行分隔开, 这是一种声明式（declaretive）的编程模型。
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()就开启了Eager模式，这时，TensorFlow会从原先的声明式（declarative）编程形式变成命令式（imperative）编程形式。当写下语句"c = tf.matmul(a, b)"后（以及其他任何tf开头的函数），就会直接执行相应的操作并得到值，而不再像之前那样，生成一个Tensor，通过sess.run()才能拿到值。注意：这种Eager模式一旦被开启就不能被关闭。
-
Tensorflow的中的常量、变量和数据类型：
https://www.cnblogs.com/tengge/p/6360946.html
-
有关a.shape：
import numpy
a = numpy.array([[00,01,02],
[10,11,12]])
print a.shape
print a.shape[0]
print a.shape[1]
---------------------------
输出：
(2,3) #行数，列数组成的二元组
2
3-
深度学习中的iteration、batch-size、epoch：
https://www.zhihu.com/question/43673341
比如你有1000个数据，这个数据集可能太大了，全部跑一次再调参很慢，于是可以分成100个为一个数据集，这样有10份。
batch_size=100
这100个数据组成的数据集叫batch
每跑完一个batch都要更新参数，这个过程叫一个iteration
epoch指的就是跑完这10个batch（10个iteration）的这个过程