基本操作
基本的計算pipeline:
1.數據處理：比如圖片減去平均值，正則化等
2.將數據分為 train sets,test sets,validation sets
3.設置超參數：比如learning rate 這些
4.變量與占位符的初始化（Initialize variables and placeholders）
在計算中tf要知道什么數據是可以修改的（比如權重w,偏置b等用variables),什么是變化的但是不可修改的(比如x,y等），同時還要注明數據類型tf.float32或者其他
5.定義模型（Define the model structure）：
在有了數據和初始化好變量和網絡參數后，就開始定義模型。
6.定義loss函數（Declare the loss functions）
loss函數描述和計算值和實際值的偏差，用來計算優化方向
# Define loss and optimizer
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=Y))
7.Initialize and train the model
做好上面的步驟后就可以開始初始化和訓練我們的模型
8.模型評價（Evaluate the model）
對于訓練好的模型，需要用驗證集去測試實際的效果
