学过Python的小伙伴都会觉得，python的语法简单，逻辑清晰。虽然tensorflow是python的一个库（并不是标准库），但是使用并不简单，你可能会被tensorflow的奇怪语法设计困惑，所以本文章叫做费解的tensorflow，希望通过本文，读者可以更好的了解tensorflow。
编程必备hello world
学习任何编程语言，可能上来都是打印输出下hello world，用python很简单，我们一行代码就可以了。
print('hello world')
就算是先定义为变量，我们也只是需要2行代码。
a = 'hello world'
print(a)
那我们用tensorflow来写，需要3行，代码不是很多，但是看上去就是很费解。
a = tf.constant('hello world')
sess = tf.Session()
print(sess.run(a))
那我们就以这个简单代码，来看看tensorflow的语法。
计算图
如果把上面代码抽象出来，其实就是建立计算图和运行计算图的完整过程。当然读者就会问，什么是计算图？其本质就是全局数据结构：是一个有向图，用于捕获有关如何计算的指令。概念还是比较生硬，图那我就以流程图为例，流程中的方框（节点）就是我们tensorflow的定义的数据，箭头就是计算指令。
例如，下面代码，我们就定义了一个常量，在计算图中就是给了他一个位置，他就是一个节点。打印输出其说明：
- tensorflow张量
- 零维
- 数据类型
a = tf.constant(2)
print(a)
# Tensor("Const:0", shape=(), dtype=int32)
通过下面代码就可以算是完整的计算图（有节点和计算）。
two_node = tf.constant(2)
three_node = tf.constant(3)
sum_node = two_node + three_node
会话
前面说到了是建立计算图，接着我们就要执行计算图，这样代码才能运行。这里就要提到一个新概念，会话。会话的作用是处理内存分配和优化，使我们能够实际执行由计算图指定的计算。简单说，建立计算图，通过会话，然后运行计算图。
这就是为什么tensorflow代码都有这个代码的原因了。
sess = tf.Session()
sess.run()
回到hello world
我们重新在来看下hello world的代码。
a = tf.constant('hello world')
sess = tf.Session()
print(sess.run(a))
# hello world
- 第一行，我们建立计算图，这里我们是通过tf.constant来定义的，其为常量。
- 建立会话
- 运行计算图
占位符（placeholder）
前面的程序，我们没有输入，这样就是只会输出同样的东西。在python中，我们可以通过iput输入数据。
在tf中，我们需要先定义占位符，然后用feed_dict方法传入数据，代码如下：
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
c = a + b
with tf.Session() as sess:
print(sess.run([a,b,c],feed_dict={a:5,b:8}))
# [array(5), array(8), 13]
变量
前面，我们用tf.constant定义了常量，用占位符（placeholder）用于输入，最后我们看看变量的定义。
说变量之前，我们再来看看tensorflow这个单词，其实他是分为tensor（张量）和flow（流）。变量在tensorflow就是张量的意思。
这里我们定义一个一维张量：
a = tf.Variable([0.2,0.4,0.5])
接着如果我们建立会话，运行程序会报错。我们需要初始化变量，这里我们不讲解底层的原因，我们只需要记住，用到变量加上下面的代码初始化即可。
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(a))
# [0.2 0.4 0.5]
tensorboard
最后，我们可视化下我们的计算图。
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
c = a * b
with tf.Session() as sess:
print(sess.run([a,b,c],feed_dict={a:5,b:8}))
writer = tf.summary.FileWriter('log/test1',sess.graph)
writer.close()
接着我们打开代码所在环境，输入一下代码。
tensorboard --logdir=G:\我的Python项目\深度学习\deeplearn\log\test1
在浏览器中输入http://localhost:6006
总结
本文通过最简单的hello world代码，详细讲解了tf的语法。我们需要记住，整个过程就是建立和运行计算图的流程。
