2つ目の消化。
引きつづき引用を黒、メモを青で。
高効率のC ++バックエンドに依存しています。このバックエンドとの接続をセッションと呼びます。
まずグラフを作成し、セッションでそれを起動することです。
コードを構造化する方法についてTensorFlowをより柔軟にする便利なInteractiveSessionクラスを使用します。
Pythonコードの役割は、この外部計算グラフを構築し、計算グラフのどの部分を実行すべきか記述することです。詳細については基本的な使用方法の計算グラフの節を参照してください。
概要がなんとなくうっすら本当にうっすらわからんでもない。
線型レイヤーってなんやねん。
shape引数はオプションですが、これを指定するとTensorFlowは一貫性のないテンソル形状から生じるバグを自動的にキャッチすることができます。
sess.run(tf.global_variables_initializer())
セッション内で変数を使用する前に、そのセッションを使用して変数を初期化する必要があります。このステップでは、すでに指定されている初期値（0で満たされたテンソル）をとり、各変数に割り当てます。これは、一度にすべての変数について行うことができます。
変数は一度に初期化しておく。
例えば、tf.argmax(y,1)はモデルが各入力に対して最も可能性が高いと考えているラベルで、一方、tf.argmax(y_,1)は正しいラベルです。予測が真実に一致するかどうかをチェックするためにtf.equalを使用することができます。
畳み込み一回勉強したけどちゃんとわかってないことが分かった。
実際に手を動かすべきだなあこのへんは。
