1、
1 a = tf.constant(2) 2 b = tf.constant(10) 3 c = tf.multiply(a,b) 4 print(c)
输出：
Tensor("Mul:0", shape=(), dtype=int32)
应该加上：
1 sess = tf.Session() 2 print(sess.run(c))
输出：20
2、placeholder使用
可以先声明变量在定义：
1 x = tf.placeholder(tf.int64, name = 'x') #tf.float32 2 print(sess.run(2 * x, feed_dict = {x: 3})) 3 sess.close()
输出：6
矩阵也可用上述方式声明。
或者：
1 X = tf.placeholder(tf.float32, shape = (n_x, None), name = "X")
3、创建一个矩阵：
1 X = tf.constant(np.random.randn(3,1), name = "X")
4、矩阵运算
点乘：
1 tf.matmul(W, X)
相加：可以直接用加号
5、计算代价函数
1 cost = tf.nn.sigmoid_cross_entropy_with_logits(logits = z, labels = y)
