tensorflow入门（三）---tensorflow的计算图和tensor

tensorflow程序通常被组织成一个图的构建和图的执行阶段，例如我们搭建一个神经网络，组织各个层及之间关系的过程称为图的构建，然后通过不断反复的执行图中的训练op来逐渐优化参数。在图的构建阶段，就是各种op的拼接组合，op之间流通的tensor是由最初的一个op产生的，它被称为源op，没有输入tensor，只有输出tensor，比如说常量(Constant)就是一个源op：

import tensorflow as tf
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
# 创建一个常量op，产生一个1行2列的矩阵
matrix_1 = tf.constant([[3.,4.]])
# 创建一个常量op，产生一个2行1列的矩阵
matrix_2 = tf.constant([[5.],[6.]])
# 创建一个tf矩阵乘法op，
# matrix_1和matrix_2为输入tensor，product为输出tensor
product = tf.matmul(matrix_1,matrix_2)
# 执行这个图
with tf.Session() as sess:
    print sess.run(product)

我们这样就创建了一个最简单的图，图的输出端口为product，这个图包含了三个op，两个源constant()op,一个matmul()op，如果要想真正的执行得到乘法之后的结果，需要运行会话，然后获取product的值。Session对象在使用完之后需要手动关闭close()，也可以使用‘with’让程序自动的执行完之后关闭。

交互式的会话：
在每次启动会