TensorFlow简介
TensorFlow 是一款由 Google 开源的人工智能框架，是目前应用最广泛的深度学习框架之一。它可以在各种硬件平台上运行，包括单个 CPU、CPU 集群、GPU，甚至是分布式环境下的 CPU 和 GPU 组合。
除了深度学习领域，TensorFlow 还支持其他机器学习算法和模型，如决策树、SVM、k-means 等。同时，TensorFlow 还提供了各种高层次的 API 和工具库，如Keras、TensorBoard等，方便开发人员进行模型构建和可视化管理。
TensorFlow核心概念
TensorFlow 通过张量、计算图、变量、会话、损失函数和优化器等核心概念来表示、训练和部署各种类型的深度学习模型。
1.张量（Tensor）：TensorFlow 的基本数据单元，可以看做是多维数组。在 TensorFlow 中，所有数据都是以张量的形式进行存储和传递。
2.计算图（Computational Graph）：TensorFlow 中的计算过程可以表示为一个计算图，每个节点表示一个操作，每个边表示数据的流动。TensorFlow 通过构建这样的计算图来完成模型的训练和预测。
3.变量（Variable）：