计算图是TensorFlow的计算模型，所有TensorFlow的程序都会通过计算图的形式表示。计算图上的每一个节点都是一个运算，而计算图上的线条则表示运算之间的数据传递关系。计算图上还保存了运行每个计算的设备信息（CPU，GPU）及运算之间的依赖关系。
张量是TensorFlow的数据模型，TensorFlow中所有运算的输入，输出都是张量。张量本身不储存任何数据，它只是对运算结果的引用。通过张量可以更好的组织TensorFlow程序。
会话是TensorFlow的运算模型，他管理了一个TensorFlow程序拥有的系统资源，所有的运算都要通过会话执行。
使用TensorFlow训练神经网络的过程可分为以下三个步骤：
- 定义神经网络的结构和前向传播的输出结果
- 定义损失函数以及选择反向传播优化的算法
- 生成会话，并在训练数据上反复运行反向传播优化算法