TensorFlow最基本的一次計算流程通常是這樣的：首先它接受n個固定格式的數(shù)據(jù)輸入，通過特定的函數(shù)，將其轉(zhuǎn)化為n個張量（Tensor）格式的輸出。

　　一般來說，某次計算的輸出很可能是下一次計算的（全部或部分）輸入。整個計算過程其實是一個個Tensor 數(shù)據(jù)的流動過程。在這其中，TensorFlow將這一系列的計算流程抽象為了一張數(shù)據(jù)流圖（Data Flow Graph）。簡單來說，數(shù)據(jù)流圖，就是在邏輯上描述一次機(jī)器學(xué)習(xí)計算的過程。下面我們以圖11-26為例，來說明TensorFlow的幾個重要概念。

　　構(gòu)建數(shù)據(jù)流圖時，需要兩個基礎(chǔ)元素：點（node）和邊（edge）。

　　? 節(jié)點：在數(shù)據(jù)流圖中，節(jié)點通常以圓、橢圓或方框表示，代表對數(shù)據(jù)的運算或某種操作。例如，在圖11-26中，就有5個節(jié)點，分別表示輸入（input）、乘法（mul）和加法（add）。

　　? 邊：數(shù)據(jù)流圖是一種有向圖，“邊”通常用帶箭頭線段表示，實際上，它是節(jié)點之間的連接。指向節(jié)點的邊表示輸入，從節(jié)點引出的邊表示輸出。輸入可以是來自其他數(shù)據(jù)流圖，也可以表示文件讀取、用戶輸入。輸出就是某個節(jié)點的“操作（Operation，下文簡稱Op）”結(jié)果。在圖11-26中的例子中，節(jié)點c接受兩個邊的輸入（2和4），輸出乘法的（mul）結(jié)果8。

　　在本質(zhì)上，TensorFlow的數(shù)據(jù)流圖就是一系列鏈接在一起的函數(shù)構(gòu)成，每個函數(shù)都會輸出若干個值（0個或多個），以供其它函數(shù)使用。在圖11-26中，a和b是兩個輸入節(jié)點（input）。這類節(jié)點并非可有可無，它的作用是傳遞輸入值，并隱藏重復(fù)使用的細(xì)節(jié)，從而可對輸入操作進(jìn)行抽象描述。

　　除了上述兩個概念之外，下面3個概念也很重要，在后面的章節(jié)會詳細(xì)介紹，這里僅做簡單介紹。

　　（1）Session（會話）：根據(jù)上下文（context），會話負(fù)責(zé)管理協(xié)調(diào)整個數(shù)據(jù)流圖的計算過程。光有數(shù)據(jù)流圖還不夠，如果想執(zhí)行數(shù)據(jù)流圖所描述的計算，還得配備一個專門的會話，來負(fù)責(zé)圖計算。

　?。?）Op（操作）：就是數(shù)據(jù)流圖中的一個節(jié)點，代表一次基本的操作過程。

　　（3）Tensor（張量）：在TensorFlow 中，所有計算數(shù)據(jù)的格式，都是一個n維數(shù)組，如 t = ［［1， 2， 3］， ［4， 5， 6］， ［7， 8， 9］］，就是一個2維張量。