下文会出现的一些知识点：TensorFlow的计算模型、数据模型、运行模型，TensorFlow的工作原理。
两个重要概念——Tensor和Flow：
Tensor是张量，在TensorFlow中可以简单理解为多维数组。
Flow是流，表示张量之间通过计算相互转化的过程。
TensorFlow 计算模型——计算图：
TensorFlow是一个通过计算图的形式来表述计算的编程系统，每一个计算都是计算图上的一个节点，节点之间的边是计算之间的依赖关系。
TensorFlow程序一般可分为两个阶段。一，定义计算图中所有的计算。二，执行计算。
TensorFlow 数据模型——张量：
张量是TensorFlow管理数据的形式。在TensorFlow程序中，所有数据都通过张量的形式来表示。从功能角度上，张量可以被简单理解为多维数组。
张量在TensorFlow中的实现并不是直接采用数组的形式，它只是对运算结果的引用。
换句话说，在张量中并没有真正保存数字，它保存的是如何得到这些数字的计算过程。
一个张量中主要保存了三个属性：名字、维度、类型。
张量主要有两类用途，一是对中间计算结果的引用，二是当计算图构造完成后可用来通过会话获得计算结果。
TensorFlow 运行模型——会话：
TensorFlow中的会话（session）用来执行定义好的运算。会话拥有并管理TensorFlow程序运行时的所有资源。当所有计算完成后需关闭会话帮助系统回收资源，否则可能出现资源泄露。
TensorFlow可以通过Python的上下文管理器来使用会话。