在本章中，我们将深入理解 TensorFlow。TensorFlow 是一个开源的分布式数值计算框架，也是我们实现所有练习的主要平台。

主要内容流程

本章涵盖以下主题：

• 什么是 TensorFlow？
• TensorFlow 的基本构成要素（例如变量和操作）
• 使用 Keras 构建模型
• 实现我们的第一个神经网络

我们将从定义一个简单的计算任务开始，尝试使用 TensorFlow 来完成该计算。完成之后，我们会进一步探究 TensorFlow 如何执行这一计算过程。这有助于我们理解框架是如何构建计算图来生成输出，并执行该计算图以获得所需结果的。接着，我们将通过一个高级咖啡馆运作方式的类比，深入剖析 TensorFlow 架构的工作机制。随后，我们还会回顾 TensorFlow 1 的工作方式，以便更好地理解 TensorFlow 2 所带来的强大功能。

注意： 当我们单独使用“TensorFlow”一词时，指的是 TensorFlow 2。若特指 TensorFlow 1，我们会明确说明。

在建立起对 TensorFlow 运行机制良好的概念性和技术性理解之后，我们将学习该框架提供的一些关键计算功能。首先，我们将学习如何在 TensorFlow 中定义各种数据结构，例如变量和张量，同时了解如何通过数据流水线读取输入数据。然后，我们将实践一些与神经网络相关的操作（例如卷积操作、损失函数定义以及优化方法）。

最后，我们将把这些知识应用于一项有趣的实践任务：实现一个能够识别手写数字图像的神经网络。此外，我们还将看到，借助 Keras 等高级子模块，可以非常快速且便捷地实现或原型化神经网络。