Question

下面通过一些虚设代码来复查所有软件是否都能正常工作。创建一个名为“tf-notebooks”的目录以便进行测试。进入该目录，并运行Jupyter Notebook。同样，请确保“tensorflow”环境处于活动状态。

最后一条命令将启动一个Jupyter Notebook服务器，并在你默认的网页浏览器中打开该软件。假设tf-notebooks目录下没有任何文件，那么将看到一个空的工作空间，以及消息“Notebook list is empty”。要创建新的笔记，可单击页面右上角的“New”按钮，然后选择“Python 2”或“Python 3”，具体选择哪个取决于安装TensorFlow时使用的是哪个版本的Python。

新笔记将自动打开，呈现在眼前的将是一块用于工作的白板。下面为这个笔记设置一个新名称。在页面的顶端单击“Untitled”。

之后会弹出一个用于对笔记本重命名的窗口，也可用于修改笔记本文件的名称（扩展名为.ipynb）。你可使用任何自己喜欢的名称，在本例中笔者将其命名为“My First Notebook”：

下面来看实际的界面。我们注意到旁边有一个“In[]：”方块的空单元格，你可在该单元格内直接键入代码，而且它可容纳多行代码。下面将TensorFlow、NumPy以及matplotlib的pyplot模块导入该笔记本：

要运行该单元格，只需同时按下shift键和回车键。该单元格中的代码执行完成后，其下方会自动创建一个新的单元格。我们注意到左边方框中的提示符变成了“In[1]：”，这意味着该单元格是在内核中运行的第一个代码块。在该笔记本中键入下列代码，使用单元格的数量取决于你的需求。你可利用单元格中的分隔符将相关代码很自然地组织在一起。

下面这行代码非常特殊，值得专门介绍：

这是一条专门的命令，用于通知笔记本将matplotlib图表直接显示在浏览器中。

下面逐行分析其余代码，如果你不理解某些术语，请不必担心，后面章节还会一一进行讲解：

1）用TensorFlow定义一个由随机数构成的2×20的矩阵，并将其赋给变量a。

2）启动TensorFlow Session，并将其赋予一个sess对象。

3）用sess.run()方法执行对象a，并将输出（NumPy数组）赋给out。

4）将这个2×20的矩阵划分为两个1×10的向量x和y。

5）利用pyplot模块绘制散点图，x对应横轴，y对应纵轴。

如果所有软件均已正确安装，你将得到与上图类似的输出结果。这虽然只是向前迈出的小小一步，但我们毕竟已经开始上手尝试TensorFlow，但愿这能给你带来一个良好的体验。

要想通过更多、更全面的教程了解Jupyter Notebook的细节，请参考如下页面中的示例：

http://jupyter-notebook.readthedocs.io/en/latest/examples/Notebook/examples_index.htm