首先，Tensorflow是什么？
大約300年前，人類發明了蒸汽機和農業設備，這些機器在物理層面上超越了人類的能力。 今天隨著計算成本越來越低，機器學習要做的，是讓機器從智力層面上，也要超越我們人類。Tensorflow是Google發布機器學習系統，于2015年11月9日宣布開源。
官方GitHub倉庫：
https://github.com/tensorflow/tensorflow
如果有一天，你也像我一樣對Tensorflow系統產生了好奇，作為一個完全不懂機器學習的人，不需要翻墻，不需要裝linux系統，不需要明白機器學習的原理，在五分鐘之內感受到機器學習的神奇，這就是這篇文章的目的。
第一步：打開下面的網址，感謝codinggame這個平臺。
https://www.codingame.com/training/machine-learning/deep-learning-tensorflow
第二步：點擊solve it，在右上對話框輸入以下代碼：
import random
import input_data
mnist = input_data.read_data_sets(raw_input(), raw_input(), raw_input())
import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
result = sess.run(tf.argmax(y,1), feed_dict={x: mnist.validation.images})
print ' '.join(map(str, result))
第三步：點擊PLay ALL TESTCASES運行測試
到這里，你就用TensorFlow解決了一個最簡單的問題，手寫數字識別。你可以看到左邊GUESS是機器認為這個數字是多少，中間是手寫數字圖片，右邊是數字真實值。識別率可以達到90%。就好比編程入門有Hello World，機器學習入門有手寫數字識別（MNIST）。
下一步，如果要理解第二步輸入的python語句是在干什么，就需要慢慢學習了，參照官方文檔：
英文版：
中文版
