Note for TensorFlow (Getting Started)

TensorFlow是Google發展的開放原始碼機器學習函式庫，能以流程圖的概念呈現資料的流動，是現在很熱門的機器學習開發工具。上網看了些文章後，今天開始來試試這個函式庫。

本篇主要根據官網tensorflow.org演練，而官網建議要看得懂基本的手冊(guide)，需要:
1. 知道Python語言
2. 至少要知道一點array
3. 理想中要知道一點機器學習，但是如果你知道很少或是根本不懂，本手冊仍是第一個你應該讀的文件。(這點好像講了跟沒講一樣)

TensorFlow提供了不同的應用程式介面(Application Programming Interface, API)。最底層TensorFlow Core提供完全的程式控制，較高層的API典型上比較好學，例如tf.estimator可以管理資料、估計量(estimator)、訓練及介面。

我的工作環境是Anaconda的Jupyter NoteBook，當然要另外安裝tensorflow，安裝方法網路上資料應該不難找，就不多說囉。我的版本是1.4.0。

先來理解何謂Tensor(張量)，在"張量流動"資料庫中，顧名思義"張量"是最基本的資料型態，它可以為零維的純量，一維的向量，二維的矩陣等等。例如下面是numpy建構的一維tensor:

 順便看一下幾個常用的屬性:
.ndim   (維度)
.shape  (array的形狀)
.dtype  (資料的型態)

張量流動資料庫的程序可以分成兩大部分，一為建立(Building)計算圖(computational graph)，二為執行(Running)計算圖。首先是建立計算圖，計算圖中有許多節點(node)，每個節點可以輸入零至多個tensor，輸出一個tensor，例如最簡單的j為constant，不接受輸入，自然輸出它所儲存的值，如下列兩個浮點node (node_1, node_2):

以tf,constant()建立node，其中dtype定為32bit，可看到跟上述的64bit不同，這是因為通常資料很多，為省記憶體就先設為32 bit，當然如果空間很夠，64 bit當然也可。若都不設定，則仍預設為32 bit。定義完就print看看。結果出來的是:Tensor("const_2:0",.......)，我咧怎麼回事?跟想像中不一樣。這是因為上述第二步驟(執行(Running)計算圖)還沒完成!
所以我們輸入以下指令:

目標終於達成!!
所謂的Session，是"張量流動"打包整個完全的資料與控制流程，所以必須run session才可得到最後的結果。

Tensorflow手冊上建議的寫法則是:

到這邊終於算是完成最簡單的Tesorflow程式了。

參考資料
Getting Started with TensorFlow