# 决定了输入输出tensor的格式：如果为true, 向量的形状必须为 `[max_time, batch_size, depth]`.# 如果为false, tensor的形状必须为`[batch_size, max_time, depth]`.out

img表示需要改变的图像，height是改变后图像的高度，width是宽度。

TensorFlow中，想要维度增加一维，可以使用tf.expand_dims函数。当然，我们常用tf.reshape也可以达到相同效果，但是有些时候在构建图的过程中，placeholder没有被feed具体的值，这时就会包下面的错误：TypeError:

本篇内容基于 Python3 TensorFlow 1.4 版本。本节内容 本节通过最简单的示例 —— 平面拟合来说明 TensorFlow 的基本用法。接下来我们构造一些随机的三维数据，然后用 TensorFlow 找到平面去拟合它，首先我们用 Nump

print # Remove this is you want to print only variable names

在Mac上按照官网教程安装成功tensor flow后，但在程序中导入时，仍然报错，包括但不限于以下两个错误。对于这种错误，原因主要在于Mac内默认的python库比较老了，即便通过pip命令安装了新的包，python也会默认导入默认位置的包。这时候需要做

tf.train.Saver对象saver的save方法将TensorFlow模型保存到指定路径中，saver.save ，实际在这个文件目录下会生成4个人文件：

TensorFlow提供了TFRecords的格式来统一存储数据，理论上，TFRecords可以存储任何形式的数据。以下的代码给出了tf.train.Example的定义。# 因为我装的是CPU版本的，运行起来会有'warning'，解决方法入下，眼不见为

我们需要评估模型预测值来评估训练的好坏。模型评估是非常重要的，随后的每个模型都有模型评估方式。在训练模型过程中，模型评估能洞察模型算法，给出提示信息来调试、提高或者改变整个模型。在理想情况下，评估模型需要一个训练数据集和测试数据集，有时甚至需要一个验证数据