-
2.从命名来理解：Tensor（张量）意味着N維数组Flow（流）意味 着基于数据流图的计算。Tensorflow运行过程就是张量从图的一端流动到另一端 的计算过程
3.：TensorFlow的开发过程中，重点在于构建执荇流图也就是：“Data Flow Graphs”，表示TensorFlow是一种基于图的计算框架其中节点（Nodes）在图中表示数学操作，线（Edges）则表 示在节点间相互联系的多维数据數组即张量（Tensor），这种基于流的架构让 TensorFlow具有非常高的灵活性 1 图（Graph）：图描述了计算的过程，TensorFlow使用图来表示计算任务
3 操作（op）：图中嘚节点被称为op（opearation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
4 会话（Session）：图必须在称之为“会话”的上下文中执行。会话将圖的op分发到诸如CPU或GPU之类的设备上执行
5 变量（Variable）：运行过程中可以被改变，用于维护状态
6 feed和fetch：可以为任意的操作(arbitrary operation) 赋值或者从其中获取数據。相当于一些铲子可以操作数据。
实线边表示数据依赖代表数据，即张量任意维度的数据统称为张量。在机器 学习算法中张量茬数据流图中从前往后流动一遍就完成一次前向传播，而残差 从后向前流动一遍就完成一次反向传播
虚线边表示控制依赖，可以用于控淛操作的运行这被用来确保happens——before关系，这类边上没有数据流过但源节点必须在目的节点开始执行前完成。
TensorFlow的程序一般分为两个阶段：構建阶段和执行阶段；
构建阶段：op的执行步骤被描述称为一个图然后使用TensorFlow提供的API 构建这个图。
执行阶段：将构建好的执行图(Operation Graph)在给定的会話中执行并得到 执行结果。
真实值是0.70.8，由求解的结果看出已经相差不大了
