TensorFlow 核心概念 | 菜鸟教程

TensorFlow 的名字来源于其处理数据的核心结构 - 张量（Tensor）和计算流程（Flow）。
TensorFlow 是一个端到端的开源机器学习平台，它的核心优势在于：
张量是 TensorFlow 中最基本的数据结构，可以理解为多维数组的泛化概念。
从数学角度来说，张量是一个可以用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数。
数据类型（Dtype）：张量中数据的类型
设备（Device）：张量存储的设备位置
计算图是一种用节点和边来表示数学运算的图结构：
TensorFlow 1.x（静态图）：
TensorFlow 2.x（动态图/即时执行）：
在 TensorFlow 1.x 中，计算图的构建和执行是分离的：
TensorFlow 2.x 默认启用即时执行，让 TensorFlow 变得更加 "Pythonic"：
常量是不可变的张量，一旦创建就不能修改：
变量是可变的张量，通常用来存储模型参数：
数据在计算图中从输入节点流向输出节点的过程：
TensorFlow 使用 GradientTape 来记录运算并自动计算梯度：