學(xué)習(xí)TensorFlow確實(shí)是因?yàn)楣ぷ餍枰?，是為了分析單?xì)胞測(cè)序的數(shù)據(jù)。
TensorFlow（以下簡(jiǎn)稱為tf）是一個(gè)AI的編程框架，有自己的設(shè)計(jì)理念，必須理解這個(gè)理念才能靈活調(diào)用其API來(lái)開(kāi)發(fā)AI模型。
接下來(lái)說(shuō)一下tf的設(shè)計(jì)理念：
1. 圖。
? ? 可以看到黑色箭頭在流動(dòng)，流動(dòng)的就是tensor，也就是數(shù)據(jù)。仔細(xì)觀察，箭頭經(jīng)過(guò)的節(jié)點(diǎn)就是對(duì)數(shù)據(jù)的操作，輸入數(shù)據(jù)經(jīng)過(guò)某個(gè)操作后，繼續(xù)往下流。這張圖片很好解釋了TensorFlow名字的內(nèi)涵。計(jì)算機(jī)程序=數(shù)據(jù)+算法。tf框架正是采用了圖（graph）的概念將復(fù)雜的數(shù)據(jù)流動(dòng)抽象管理起來(lái)。圖相當(dāng)于AI模型的藍(lán)圖，包含所有設(shè)計(jì)邏輯。在tf圖里，可以對(duì)變量進(jìn)行管理，可以添加對(duì)變量的操作。tf可以聲明常量（tf.constant)、變量（tf.Variable）和占位量（tf.placeholder）。區(qū)別于常量，變量和占位量值都可以改變。變量在聲明的時(shí)候需要有初始值，而占位量可以在運(yùn)行時(shí)傳入值。學(xué)過(guò)c++等語(yǔ)言的應(yīng)該很容易理解tf.placeholder，也就是需要提前給定變量的形狀（如大小和類型）。有了變量，就一定有變量作用域，tf通過(guò)tf.name_score()等函數(shù)來(lái)管理變量作用域。
2. 執(zhí)行運(yùn)算。
有了圖之后，tf通過(guò)創(chuàng)建會(huì)話（session）來(lái)執(zhí)行圖。
這是學(xué)習(xí)tf的第二天，一些心得，有不對(duì)之處，請(qǐng)大家多方確認(rèn)。
