知乎地址：

import tensorflow as tfa=tf.placeholder(tf.int16)    # 接受的数据类型b=tf.placeholder(tf.int16)add=tf.add(a,b)mul=tf.mul(a,b)with tf.Session() as sess:    print("Addition with variables:%i" %sess.run(add,feed_dict={a:2,b:3}))     #喂数据图谱，这里的数据类相要符合上面的类型。把2赋给a，3赋给b    print("multiplication with variables:%i"%sess.run(mul,feed_dict={a:2,b:3}))

placeholder是TensorFlow的占位符节点，由placeholder方法创建，其也是一种常量，但是由用户在调用run方法是传递的，也可以将placeholder理解为一种形参。即其不像constant那样直接可以使用，需要用户传递常数值。

在tensorflow中的placeholder 定义如下

tf.placeholder(dtype, shape=None, name=None)

简单理解下就是占位符的意思，先放在这里，然后在需要的时候给网络传输数据

直接传递给run()回报错哦，必须通过 feed_dict方法 传递给 Session.run(), Tensor.eval(),或者Operation.run()

 

import tensorflow as tfm1=tf.constant([[3.,3.]])m2=tf.constant([[2.],[2.]])product=tf.multiply(matrix1,matrix2)   #矩阵乘法with tf.Session() as sess:    result=sess.run(product)    print(result)