原本是想直接打王的，但撈到的code太難懂弄不出來，還是乖乖地來走一遍教學練習。TensorFlow本身有提供一系列的教學課程，而且內容很詳盡，我會按照根據它在Coursera的課程，首先是第一堂課-Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning

不免俗的，就像寫任何程式一開始都要先來"Hello world!”測試環境，我們也是，要先感受一下語法的氛圍，以及像library能不能import進去等確認環境，但現在環境非常方便了，如果有google帳號可以直接登入用Colab，它有附程式碼，在Colab上可以直接執行，而且它上面的筆記非常詳細，要快可以直接像以前準備考試那樣直接寫範例，而且是開源放在github上面：

import tensorflow as tf
import numpy as np
from tensorflow import keras

print(tf.__version__)

# Build a simple Sequential model
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])

# Compile the model
model.compile(optimizer='sgd', loss='mean_squared_error')
#use mean squared error for the loss and stochastic gradient descent for the optimizer

# Declare model inputs and outputs for training
xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)

# Train the model
model.fit(xs, ys, epochs=500)
#It will do it for the number of epochs

# Make a prediction
print(model.predict([10.0]))

這就是個簡單的xy對應關係，也是machine learning的基礎模型，而TensorFlow使用比我想像的簡潔，我們可以看到4個部分:data, model, training, predict(或是之後的測試test pattern)。其中參數怎麼下是一大學問，但這是與應用場合相關，所以在範例練習時就標註有印象這些名詞即可，當真要用時再好好survey。