要想使用Tensorflow API，首先要知道它能干什么。Tensorflow具有Python、C++、Java、Go等多种语言API，其中Python的API是最简单和好用的。
Tensor Transformations：Tensor：数据类型转换、形状转换、切片(slice)和连接(join)。
Asserts and boolean checks：断言和类型判断。
Running Graphs：启动图形和执行操作。（会话管理和错误类）
Constants, Sequences, and Random Values：产生常数、序列和随机数张量。
Control Flow：控制流运算（条件、循环）、逻辑运算、比较运算、调试运算。
Building Graphs：创建图。（核心数据结构、张量类型、工具类、图集合、定义新操作、建立在Tensorflow上的类库）
Higher Order Functions：功能性运算。（map-reduce编程模式）
Histograms：直方图。
Images：图片编码解码、大小变换、裁剪、翻转、旋转、移位、颜色空间变换、图片调整、边框、去噪。
Inputs and Readers：占位符、读取器、将不同格式转为张量、缓冲区、队列、条件存储、文件系统操作、输入管线。
Math：算数运算、基本数学函数、矩阵运算、张量数学函数、复数函数、张量降维、搜索、分割、序列比较和索引。
Neural Network：激活函数、卷积运算、池运算（矩形扫描然后降维）、形态过滤、规范化、损失函数、分类、嵌入查找、循环神经网络、连接时间分类、评估、候选抽样、抽样损失函数、候选抽样、抽样工具、量化操作。
Data IO (Python functions)：TFRecords文件处理。
Wraps python functions：python/numpy函数封装。
Sparse Tensors：张量处理运算、稀疏张量表示、转换、操纵、减少、数学运算。
Spectral Functions：光谱函数、傅里叶变换函数。
Variables：变量、变量帮助函数、保存和恢复变量、共享变量、可变分区变量分片、稀疏变量更新、只读查询表、导出和导入元图。
Strings：字符串处理函数、计算哈希、连接、切片、转为base64。
Summary Operations：摘要操作、将摘要写入文件、生成摘要、工具类。
Testing：单元测试、工具类、梯度测试。
TensorFlow Debugger：调试器、添加断点、转储数据、加载转储数据、张量值断言、会话包装类和会话钩子的实现。
Training：训练、优化器、梯度计算、梯度渐变、降低学习率、移动平均、协调器和队列运行器、分布执行、训练钩子、训练工具。
BayesFlow Entropy (contrib)：贝叶斯熵。
BayesFlow Monte Carlo (contrib)：蒙特卡洛算法和帮助类。
BayesFlow Stochastic Graph (contrib)：贝叶斯随机图。
BayesFlow Stochastic Tensors (contrib)：贝叶斯随机张量。
BayesFlow Variational Inference (contrib)
Copying Graph Elements (contrib)
CRF (contrib)
FFmpeg (contrib)
Framework (contrib)
Graph Editor (contrib)
Integrate (contrib)
Layers (contrib)
Learn (contrib)
Linear Algebra (contrib)
Losses (contrib)
Metrics (contrib)
Optimization (contrib)
Random variable transformations (contrib)
RNN and Cells (contrib)
Seq2seq Library (contrib)
Statistical Distributions (contrib)
Training (contrib)
Utilities (contrib)
原文：《Tensorflow API Documentation》：https://www.tensorflow.org/api_docs/
