小结

• 你应该开始从计算流图的角度考虑数学算法。当你把节点看作运算，把边看作数据流动时，编写TensorFlow代码就变得简单了。定义了图之后，在会话中运算求值，然后得到结果。
• 毫无疑问，除了用图表示计算，还有很多关于TensorFlow的内容。正如你将在接下来的章节中看到的，一些内置函数是为机器学习领域量身定制的。事实上，TensorFlow对CNN有非常好的支持（CNN是一种流行的处理图像的模型，在处理音频和文本中也有很好的效果）。
• TensorBoard提供了一种简单的方式来可视化TensorFlow代码中的数据变化，也可以通过检查数据的变化走势排查问题。
• TensorFlow与Jupyter Notebook应用程序协作非常好，Jupyter是一个用于共享和编制Python代码的优雅媒介。
• 本书分别以Python 3的TensorFlow 1.15和Python 2的TensorFlow 1.14为标准。我致力于通过讨论系统中的所有组件和接口向你展示该系统架构的强大。另外，本书中的代码示例已经移植了一份TensorFlow 2版本，放入本书的GitHub代码仓库中。在可能的情况下，本书以一种适应API级别更改的方式映射概念。具体细节详见附录。