一、TensorFlow详细架构
1、前端（编程模型采用python、c++、java）
2、后端（运行采用c++）
二、TensorFlow特点
1、灵活性：只要可以将计算表示成数据流图，就可以使用TensorFlow；
2、跨平台性：linux/windows/android/ios等；
3、多语言支持：上层开发语言python/c++/java/,go等；
4、速度快：包含XLA这款强大的线性代数编译器；
5、上手快：keras/estimiators等等高层API；
6、可移植：代码可以几乎不加修改的移植到CPU/GPU/TPU等等；
三、监督学习、非监督学习、半监督学习、强化学习
1、监督学习–就是带标签的分类；
2、非监督学习–就是不带标签的聚类；
3、半监督学习–有标签也有没有标签的最类似人类现实生活；
4、强化学习–基于环境而行动，以取得最大化预期利益（以奖励机制鼓励机器学习一代代训练出更优秀的模型）；
四、如何选择最适合自己的机器学习的训练模型？
五、机器学习六步走
1、收集数据；
2、准备数据（预处理）；
3、选择/建立模型；
4、训练模型；
5、测试模型；
6、调节参数
六、什么是过拟合？
拟合的结果有三种
欠拟合（样本不够或算法不精测试样本特性没有学到）、
拟合完美（恰当的拟合测试数据，泛化能力强）、
过拟合（太过完美的拟合测试数据泛化能力弱）；
解决过拟合的一些方法：
1、降低数据量；
2、正则化；
3、Dropout（随机选择一部分神经网络进行训练）
深度学习的深–隐藏层特别多，性能表现随着数据量增大越来越好
七、TensorFlow学习框架与其他流行学习框架中的学习库对比：
