理解方法

Tensorflow的代码比较像数学语言，在真正开始run()之前程序实际上是没有开始跑动的，前面定义的都是种种抽象的表示语言，也就是用程序语言来实现了“数学建模”，并且将各个变量或常量的关系梳理清楚，将使用的优化算法梳理清楚，后面引入数据和运行命令便会从头到尾一下导入执行

默认图现在有三个节点, 两个 constant() op, 和一个matmul() op. 为了真正进行矩阵相乘运算 并得到矩阵乘法的 结果 你必须在会话里启动这个图

import tensorflow as tf
matrix1 = tf.constant([[3.,3.]])  #一行两列
matrix2 = tf.constant([[2.],[2.]])  #两行一列
product = tf.matmul(matrix1,matrix2)   #矩阵乘法结果1*1矩阵

1. 创建Session对象
   如果没有任何创建参数，会话构造器将启动默认图

sess=tf.Session()

调用sess的run()方法来执行矩阵乘法op，传入product作为该方法的参数，上面提到，product代表了矩阵乘法op的输出，传入它是向方法表明，我们希望取回矩阵乘法op的输出

整个执行过程是自动化的，会话负责传递op所需的全部输入，lop通常是并发执行的
函数调用run(product)触发了图中三个op的执行，返回值result是一个numpyndarray对象

result=sess.run(product)
print(result)
sess.close()

或者以下，得到结果12

import tensorflow as tf
matrix1 = tf.constant([[3.,3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1,matrix2)
with tf.Session() as sess:
    result=sess.run(product)
    print(result)
#      [[12.]]