Ref: First Steps with TensorFlow

Tensorflow 中有很多Machine learning model可以使用，但它也提供很多toolkit給我們使用，包含低階(lower-level)的API讓你定義自己的運算，也有高階(higher-level)的API (tf.estimator)使用定義好的Machine learning model。

下圖是TensorFlow toolkit的架構：

TensorFlow又包含兩個component(TensorFlow architecture):

1. graph protocol buffer
2. 執行Graph的runtime

runtime是個跨平台library，透過一層C API把user level code從core runtime分離出來，然後透過protocol buffer這種共同的格式，去執行最後的結果。

tf.estimator API

使用Estimator API只要簡單的幾行就可以完成machine learning的train, prediction。也可以整合Scikit-learn 去評估model的metrics。

來看看下面的例子:

import tensorflow as tf

# Set up a linear classifier.
classifier = tf.estimator.LinearClassifier(feature_columns)

# Train model.
classifier.train(input_fn=train_input_fn, steps=2000)

# 預測.
predictions = classifier.predict(input_fn=predict_input_fn)

今天的First steps先到這邊。這一回的Programming exercises篇幅有點多，我把它分到明天再來實際操作一次，實際執行就放在明天了。