chapter 一个demo的分析

构建3个op,2个constant，一个matmul，session调用执行，最后关闭
iimport tensorflow as tf
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)
sess = tf.Session()
result = sess.run(product)
print result
sess.close()

Session 对象在使用完后需要关闭以释放资源. 除了显式调用 close 外, 也可以使用 "with" 代码块 来自动完成关闭动作.
with tf.Session() as sess:
 result = sess.run([product])
 print result

如果机器上有超过一个可用的 GPU, 除第一个外的其它 GPU 默认是不参与计算的. 为了让 TensorFlow 使用这些 GPU, 
你必须将 op 明确指派给它们执行. with...Device 语句用来指派特定的 CPU 或 GPU 执行操作:
with tf.Session() as sess:
 with tf.device("/gpu:1"):
   matrix1 = tf.constant([[3., 3.]])
   matrix2 = tf.constant([[2.],[2.]])
   product = tf.matmul(matrix1, matrix2)


为了便于使用诸如 [IPython](http://ipython.org) 之类的 Python 交互环境, 
可以使用 InteractiveSession 代替 `Session` 类,
使用 [Tensor.eval) 和 Operation.run()方法代替Session.run(). 这样可以避免使用一个变量来持有会话.

import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.Variable([1.0, 2.0])
a = tf.constant([3.0, 3.0])
x.initializer.run()
sub = tf.subtract(x, a)#注意tf中的sub已经被废除
print (sub.eval())



变量的作用：
state = tf.Variable(0, name="counter")
# 创建一个 op, 其作用是使 state 增加 1
one = tf.constant(1)
new_value = tf.add(state, one)
update = tf.assign(state, new_value)#把后面的值赋给前面的值
# 启动图后, 变量必须先经过`初始化` (init) op 初始化,
# 首先必须增加一个`初始化` op 到图中.
init_op = tf.initialize_all_variables()
# 启动图, 运行 op
with tf.Session() as sess:
 # 运行 'init' op
 sess.run(init_op)
 # 打印 'state' 的初始值
 print(sess.run(state))
 # 运行 op, 更新 'state', 并打印 'state'
 for _ in range(3):
   sess.run(update)
   print(sess.run(state))