大家都知道tensorflow是google開發的一款開源的深度學習編程框架，是當今最流行的深度學習開發框架，因此對有志於深度學習研究的小夥伴來說，tensorflow是當仁不讓的第一選擇。
首先看看tensorflow的安裝，其實非常簡單，在python環境安裝好的前提下，直接運行：
pip install tensorflow就可以了。
筆者用的是python3.5環境，tensorflow是1.4版本。
【問題1】如何加快pip安裝速率
在默認pip安裝的時候，國內的網絡下經常會報超時，這時有個很好的解決辦法就是將pip的目標庫改到國內的網址，怎麼改呢？只要設置pip.ini文件就可以了，筆者的pip.ini文件內容是這樣的：
[global]timeout = 60000index-url = https://pypi.tuna.tsinghua.edu.cn/simple[install]use-mirrors = truemirrors = https://pypi.tuna.tsinghua.edu.cn
這是連到清華的網站上了，然後將pip.ini放到C:\用戶\當前帳號\pip\目錄下就可以了。下面用pip install tensorflow，速度飛快啊！
2、基本使用
1、使用圖（graphs）來表示計算任務，用於搭建神經網絡的計算過程，但其只搭建網絡，不計算
2、在被稱之為會話（Session）的上下文（context）中執行圖
3、使用張量（tensor）表示數據，用「階」表示張量的維度。關於這一點需要展開一下
0階張量稱為標量，表示單獨的一個數
1階張量稱為向量， 表示一個一維數組
2階張量稱為矩陣，表示一個二維數組
……
張量是幾階的可以通過張量右邊的方括號數來判斷。例如 t = [ [ [ ] ] ]，顯然這個為3階。
4、通過變量（Variable）維護狀態
5、使用feed和fetch可以為任意的操作賦值或者從其中獲取數據
tensorflow是一個編程系統，使用圖（graphs）來表示計算任務，圖（graphs）中的節點稱之為op（operation），一個op獲得0個或者多個tensor，執行計算，產生0個或多個tensor，tensor看作是一個n維的數組或列表。圖必須在會話（session）裡被啟動。
最簡單的例子：
import tensorflow as tf 創建兩個常量(constant)m1=tf.constant([[3,3]]) 兩行一列的矩陣 定義一個變量，這裡是張量的加減法，所以一維數組即可 a=tf.constant([3,3]) 增加一個減法op add=tf.add(x,sub) 在tensorflow中使用變量要初始化，此條語句也可以初始化多個變量 with tf.Session() as sess: sess.run(init) 使用placeholder()佔位，需要提供類型input2 = tf.placeholder(tf.float32)output = tf.multiply(input1,input2)with tf.Session() as sess: print(sess.run(output,feed_dict={input1:8.0,input2:2.0})) y = Wx + b， 初始化的時候隨便定義一個初始值 （2）定義神經網絡模型 linear_model = W*x + b 定義優化器optimizer optimizer = tf.train.GradientDescentOptimizer(0.01) train = optimizer.minimize(loss) 初始化Session init = tf.global_variables_initializer() sess = tf.Session() sess.run(init) 評估準確率 curr_W, curr_b, curr_loss = sess.run([W, b, loss], {x: x_train, y: y_train}) print("W: %s b: %s loss: %s"%(curr_W, curr_b, curr_loss))
輸出結果：
W: [-1.0067805] b: [0.99450076] loss: 0.0024434922
這就是Tensorflow中線性模型的訓練方式，線性模型是tensorflow的入門磚，怎麼樣，是不是看起來很簡單。