使用图（graphs）来表示计算任务
在称为会话（session）的上下文（context）中执行图
使用tensor表示数据
通过变量（variable）维护状态
使用feed和fetch可以为任意的操作赋值或者从中获取数据
Tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。Tensor 看作是
一个 n 维的数组或列表。图必须在会话（Session）里被启动。
创建图和启动图练习
importtensorflowastf#创建一个常量OPm1=tf.constant([[3,3]]) #创建一个常量OPm2=tf.constant([[2],[3]]) #创建一个矩阵乘法的opproduct=tf.matmul(m1,m2) print(product)
此时的显示结果是：
Tensor("MatMul:0", shape=(1, 1), dtype=int32)
因为这里TensorFlow是通过会话来启动图的，所以我们就要创建一个会话
#定义一个会话，启动默认图sess=tf.Session() #调用sess的run方法执行矩阵乘法op#run(product)触发图中的3个opresult=sess.run(product) print(result) sess.close()
这里显示的结果就是矩阵相乘后的结果:
[ [ 15 ] ]
#等效上面的代码，不用进行关闭#result =sess.run(product)#print(result)#sess.close()withtf.Session() assess: # 调用sess的run方法执行矩阵乘法op# run(product)触发图中的3个opresult=sess.run(product) print(result)
