1.TensorFlow 系统架构：
分为设备层和网络层、数据操作层、图计算层、API 层、应用层。其中设备层和网络层、数据操作层、图计算层是 TensorFlow 的核心层。
2.TensorFlow 设计理念：
（1）将图的定义和图的运行完全分开。TensorFlow 完全采用符号式编程。
符号式计算一般是先定义各种变量，然后建立一个数据流图，在数据流图中规定各个变量之间的计算关系，最后需要对数据流图进行编译，此时的数据流图还是一个空壳，里面没有任何实际数据，只有把需要的输入放进去后，才能在整个模型中形成数据流，从而形成输出值。
如下图所示：定义了一个操作，但实际上并没有运行。
(2) TensorFlow 中涉及的运算都要放在图中，而图的运行只发生在会话（session）中。开启会话后，就可以用数据去填充节点，进行运算；关闭会话则不能进行计算。会话提供了操作运行和 Tensor 求值的环境。
一个简单的例子：
3. TensorFlow 各个概念：
（1）边：TensorFlow 的边有两种连接关系：数据依赖（实线表示）和控制依赖（虚线表示）。实现边表示数据依赖，代表数据，即张量。任意维度的数据统称为张量。虚线边称为控制依赖，可以用于控制操作的运行，这类边上没有数据流过，但源节点必须在目的节点开始执行前完成执行。
（2）节点：节点代表一个操作，一般用来表示施加的数学运算。
（3）图：把操作任务描述成有向无环图。创建图使用 tf.constant() 方法：
a = tf.constant([1.0,2.0])