Tensorflow的名称直接来自其核心框架：Tensor 。在Tensorflow中，所有计算都涉及张量。张量是n维的向量或矩阵，表示所有类型的数据。张量中的所有值都保持具有已知（或部分已知）形状的相同数据类型 。数据的形状是矩阵或数组的维数。

张量可以源自输入数据或计算结果。在TensorFlow中，所有操作都在图内部进行 。图是一组连续发生的计算。每个操作都称为操作节点，并相互连接。

图概述了节点之间的操作和连接。但是，它不显示值。节点的边缘是张量，即用数据填充操作的方法。

一、什么是过拟合 (Overfitting)

Overfitting 也被称为过度学习，过度拟合。 它是机器学习中常见的问题。

最有效的方式是通过识别精度判断模型是否存在过拟合：比较模型对验证集和训练集的识别精度，如果验证集识别精度大幅低于训练集，则可以判断模型存在过拟合。

举个Classification（分类）的例子。

图中黑色曲线是正常模型，绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据，但是并没有描述数据的整体特征，对新测试数据的适应性较差。