Tensorflow Learning
blog.csdn.net/jdbc/article/details/52402302
TensorFlow入门教程集合：blog.csdn.net/jdbc/article/details/52402302
TensorFlow入门教程之1: 基本概念以及理解
my.oschina.net/yilian/blog/659618
1、首先 1.tensorflow = tensor + flow = ndarray + dag图(网络)
也就是说 通过 每一个 有向图 dag 把每一步操作op 连接起来 传递 输入 输出都是一个nd array 多维数组(numpy) 然后在tensorFlow的回话中进行计算操作，
2、DNN CNN LSTM 很快 很方便
3、占位符
4、变量
5、Session 回话
6、www.cnblogs.com/greentomlee/articles/5566183.html帮助理解了tensorflow的执行方式，很好：
(1) TensorFlow与我们正常的编程思维略有不同：TensorFlow中的语句不会立即执行；而是等到开启会话session的时候，才会执行session.run()中的语句。如果run中涉及到其他的节点，也会执行到。（tf中的语句通过session执行，但python的语句，还是一步一个执行的）；
(2) Tesorflow模型中的所有的节点都是可以视为运算操作op或tensor
TensorFlow入门教程之2: 安装和使用
blog.csdn.net/kkk584520/article/details/51476816
1、PIP 安装Tensorflow的优缺点
优点：应该是几种安装方法中最快的一种
缺点：不能灵活定制，操作系统、GPU 硬件、CUDA 版本、cuDNN 版本必须与官方标称一致
python -m tensorflow.models.image.mnist.convolutional
结果：（注意：得在我的终端tensorflow下面运行）
TensorFlow入门教程之3: CNN卷积神经网络的基本定义理解
my.oschina.net/yilian/blog/661218
1、 比如 下面 是tensorflow卷积定义 relu(W*X+B) W 矩阵 * X矩阵 + B矩阵 = W 权重variable变量 * X (placeholder占位符外部输入)variable变量 + B偏重变量，可以把占位符理解为外部输入一只有一种同一类型数据输入的时候，把位置占着的意思，而其他的估计可以用变量表示
2、采用one-hot 数组记录 标签的索引就行，比如 xx1 xx2 xx3 相应的y1=[1,0,0] y2=[0 1 0] y3=[0 0 1]
3、感觉整个写的不是很规范，可读性很差，转战：www.cnblogs.com/denny402/p/5852083.html
tensorflow学习笔记二：入门基础
www.cnblogs.com/denny402/p/5852083.html
tensorflow学习笔记三：实例数据下载与读取
www.cnblogs.com/denny402/p/5852689.html
回归：TensorFlow入门教程集合
TensorFlow入门教程之3: CNN卷积神经网络的基本定义理解my.oschina.net/yilian/blog/661218
见：/home/echo/tensorflow /models/image/mnist/test_train.py
结果没有教程上那么高的样子，教程3几乎看完了，最后的代码也看完了
TensorFlow入门教程之4: 实现一个自创的CNN卷积神经网络my.oschina.net/yilian/blog/661409
norm1 = norm('norm1', pool1, lsize=4)# lsize是什么意思
最后一层计算（4-2）/2+1=2，也就是说输入为2*2*512
这里是错的，应该是说：ceil(4/2) = 2.
最后效果还不如之前没有改的
最后 精度为89 所以网络设计 是有很多值得考虑的事情 这个后面可能会讲到
TensorFlow入门教程之5: TensorBoard面板可视化管理
my.oschina.net/yilian/blog/661900
在创建好会话（session）之后，可以实例化一个tf.train.SummaryWriter，用于写入包含了图表本身和即时数据具体值的事件文件。
summary_writer = tf.train.SummaryWriter('/tmp/tensorflowlogs', graph_def=sess.graph_def)
补充：wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_tf.html
见/home/echo/tensorflow /models/image/mnist下的fully_connected_feed.py以及mnist.py
tf.app.run()
总之，我改了好几处，好像每个版本不一样，很多函数就不一样了
看完了，差不多细读完了
----------------------------------------------------结束补充-------------------------------------------------
见：/home/echo/tensorflow /models/image/mnist/test_train 1.py
整体感觉这样慢慢看，速度太慢（速食时代，导师总是问来问去，这样不合适啊！），我还是直接去跑那个手机程序，然后自己不会的再补充就好～～～现在讲究速度啊啊啊啊啊！～～～
