了解TensorFlow的运行原理
TensorFlow 是一个编程系统，使用图来表示计算任务，图中的节点被称之为 op (operation 的缩写)。一个 op 获得 0 个或多个 Tensor，执行计算产生 0 个或多个 Tensor。每个 Tensor 是一个类型化的多维数组。例如，你可以将一小组图像集表示为一个四维浮点数数组，这四个维度分别是 [batch, height, width, channels]。
一个 TensorFlow 图描述了计算的过程，为了进行计算，图必须在会话里被启动。会话将图的 op 分发到诸如 CPU 或 GPU 之类的设备上，同时提供执行 op 的方法，这些方法执行后将产生的 tensor 返回。在 Python 语言中返回的 tensor 是 numpy ndarray 对象；在 C 和 C++ 语言中返回的 tensor 是 tensorflow::Tensor 实例。
TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段。在构建阶段，op 的执行步骤被描述成一个图；在执行阶段，使用会话执行图中的 op。
使用 TensorFlow，你必须明白 TensorFlow的组件作用：
- 使用图 (graph) 来表示计算任务
- 在被称之为会话 (Session) 的上下文 (context) 中执行图
- 使用 tensor 表示数据
- 通过变量 (Variable) 维护状态
- 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据