尽管TensorFlow设计上足够灵活，可以用于进行各种复杂的数值计算。
但通常人们使用TensorFlow来实现机器学习模型，尤其常用于实现神经网络模型。
从原理上说可以使用张量构建计算图来定义神经网络，并通过自动微分机制训练模型。
但为简洁起见，一般推荐使用TensorFlow的高层次keras接口来实现神经网络网模型。
使用TensorFlow实现神经网络模型的一般流程包括：
1，准备数据
2，定义模型
3，训练模型
4，评估模型
5，使用模型
6，保存模型。
对新手来说，其中最困难的部分实际上是准备数据过程。
我们在实践中通常会遇到的数据类型包括结构化数据，图片数据，文本数据，时间序列数据。
我们将分别以titanic生存预测问题，cifar2图片分类问题，imdb电影评论分类问题，国内新冠疫情结束时间预测问题为例，演示应用tensorflow对这四类数据的建模方法。
如果对本书内容理解上有需要进一步和作者交流的地方，欢迎在公众号"Python与算法之美"下留言。作者时间和精力有限，会酌情予以回复。
