一个tensorflow图由以下几部分组成：
- 占位符变量（Placeholder）用来改变图的输入。
- 模型变量（Model）将会被优化，使得模型表现得更好。
- 模型本质上就是一些数学函数，它根据Placeholder和模型的输入变量来计算一些输出。
- 一个cost函数度量用来指导变量的优化。
- 一个优化策略会更新模型的变量。（梯度下降优化器）
四则运算：
+-*/ ** 基本运算
tf.add(x,y,name)
tf.subtract(x,y,name)
tf.multiply(x,y,name)
tf.divide(x,y,name)
tf.square(x,name) # 平方
tf.pow(x,y,name) # x的y次方
tf.sqrt(x,name) # 平方根
tf.exp(x,name) # e的x次方
矩阵：
tf.matmul(a,b)相当于np.dot()
操作：
tf.cast(x,dtype,name) # 将x转换为dtype的格式
tf.shape(input,out_type=tf.int32)
tf.size(input,out_type=tf.int32)
tf.reshape(tensor, shape, name=None) # -1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。（当然如果存在多个-1，就是一个存在多解的方程了）
tf.reduce_mean(input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None, keep_dims=None) # 等同于np.mean()
tf.nn.relu(features, name=None) # 最常用的激活函数
tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None) # 相当于np.random.uniform(low=0.0, high=1.0, size=None)