TF入门：关于图的我的理解

    TensorFlow以下简称TF，里面很多华丽的新词汇，什么基于数据流图，什么张量等等，而且TF的代码编写方式大大出乎初学者的意料，和我们以前传统的编写代码方式很不同，初学一头雾水。。我先讲一下我理解的概念：
    先说什么是图。
    先扯远一些，说说编码历史。
    最初我们编码需要自己写一个流程图，上面有什么判断循环之类的图形和线条，然后我们按照流程图的思路编写代码。后来随着系统越来越复杂，产生了类的概念，我们像搭积木一样，利用类组建编程。这时候，设计的一个个类是静止的，只有在函数里面引用或者在主函数里面调用，才会运行这些积木。再往后，又将各种类打包，形成类库的概念，此时编程就是模块化编程。我们看到，基本代码在一层层的被封装，看起来变得更容易使用，但是产生的很多新东西需要我们接受，理解并花时间去学习。
    我们知道神经网络就是一个个节点，权重关系和激活函数组成的，构成就这么简单，在设计神经网络之前，我们往往要规划网络的节点数，权重等，就像画出网络图一样：

    我们编程的时候，就像画图或者设计图一样，先产生一个个的节点或权重变量，这部分代码运行所在空间，就是图，貌似很酷很炫的名字。而数据在节点之间的来回传递，就是数据流。基于这个牵强的图概念和数据的流动，就是所谓的数据流图。

    简单说一下什么是张量，有一个炫酷高深的名词。

说白了就是几维的数据。一个数字是标量：0维，两个成对的是向量：1维，一个表格是矩阵：2维，向上还有3维4维的数据，成为n维数据，都可以称为张量，事实上经常将3维以上的称为张量。其实就是数据的一种格式。