TensorFlow是一个采用数据流图（data flow graphs）用于數值计算的开源软件库。节点（Nodes）在图中表示数学操作图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）
数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。“节点” 一般用来表示施加的数学操作但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组即“张量”（tensor）。张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因一旦输入端的所有张量准備好，节点将被分配到各种计算设备完成异步并行地执行运算
在 TF 中发生的所有事，都是在会话（Session） 中进行的所以，当你在 TF 中编写一个加法时其实你只是设计了一个加法操作，而不是实际添加任何东西所有的这些设计都是会在图（Graph）中产生，你会在图中保留这些计算操作和张量而不是具体的值。
TensorFlow程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, op的执行步骤被描述成一个图. 在执行阶段, 使用會话执行执行图中的op我们来构建一个简单的计算图。每个节点采用零个或多个张量作为输入并产生张量作为输出。一种类型的节点是┅个常数像所有TensorFlow常数一样，它不需要任何输入它输出一个内部存储的值。我们可以创建两个浮点型常量node1 node2如下所示：
| 由两个32位浮点数組成的复数:实数和虚数. |
|
创建Tensorflow的集群描述信息，其中ps和worker为作业名称通过指定ip地址加端口创建， 创建一个服务（主节点或者工作节点服务）用于运行相应作业上的计算任务，运行的任务在task_index指定的机器上启动,例如在不同的ip+端口上启动两个工作任务
工作人任务端的代码在指定的设备上执行张量运算，指定代码运行在CPU或者GPU上 |
最近在研究医学图像 其中涉及到窗位和窗宽的概念查阅资料了解后 现在做一个总结！
日常生活中的显示器的灰度范围是256级，日常我们见到的图像基本都是这个灰度范围而医疗图像处于特殊要求，其灰度级会比较高因此很多医疗图像原始数据是不能在显示器上显示！所以才有了窗位窗宽的概念！其概念一幅图就可以表达清楚：
如图，通过窗位窗宽我们就可以确定一段灰度范围 如窗位：500 窗宽：200 我们定位到的灰度段就是：300~700 ; 在VTK中会自动将伱确定的灰度段做一个线性映射 映射到256灰度级。使的可以通过显示器显示你想了解的灰度范围！
而关于窗位和窗宽相关值得选择：1、根据實际需求定 2、如果不确定，只是想把整个图像显示出来 就可以遍历像素获取最大值MaxValue和最小值 MinValue
注：这种情况下 其实就是一副图的灰度级映射 在ITK中通过
VTK中关于窗宽窗位设置相关函数（参考文献2）
该类是专门用来设置窗位和窗宽的 使用时将其实例化 作为可视化管线的一部分即可！
