注意:占位符也是一个张量(理解)
```python
# 占位符 1.tf.placeholder() 2.tf.placeholder_with_default(),就是不给值就用默认值,给值,且与原默认值,则会覆盖之前设置的默认值
m1 = tf.placeholder(shape=[2, 3], dtype=tf.float32)
m2 = tf.placeholder(shape=[3, 2], dtype=tf.float32)
m3 = tf.matmul(m1, m2) # 矩阵乘法
a = tf.placeholder_with_default(4.0, shape=None) # a默认值是4.0
b = tf.placeholder(tf.float32)
c = tf.add(a, b)
with tf.Session() as sess:
# print("result:\b{}".format
# (sess.run(fetches=m3, feed_dict={m1: [[1, 2, 3], [4, 5, 6]], m2: [[9, 8], [7, 6], [5, 4]]})))
# 上面一行中的fetches=m3,可以写成fetches=[m3]
print(sess.run(c, feed_dict={b: 1.0})) # 4+1=5.0
print(sess.run(c, feed_dict={a: 5.0, b: 3.0})) # 5+3=8.0
print(sess.run(c, feed_dict={b: 9.0})) # 是4+9=13.0,而不是5+9=14.0 因为a值是default placeholder,计算的时候,只要不写出a的值,a就以它的默认值来
# print(sess.run(c, feed_dict={a: 2.0})) 这行是错误的,b这个占位符每次计算都得赋值