对于任何一门编程语言，首先学习的都是定义变量常量，虽然接下来要讲的是Python TensorFlow，但是TensorFlow是不可以直接使用Python中定义的普通变量或常量的，TensorFlow要使用TensorFlow张量。
一、TensorFlow张量运算
TensorFlow中定义张量：
a = tf.constant([1.0, 2.0])
b = tf.constant([3.0, 4.0])这样就定义了两个张量，维度是(2, )，接着令他们两个相加：
c = a + b
print(c)如果是numpy，得到的结果一定是(4, 6)
而TensorFlow输出的结果是：
这里Tensor("add:0", shape=(2,), dtype=float32)中
add表示节点名，0表示第0个输出，shape表示维度，2表示一维数组长度2，dtype表示数据类型。
上面实现了一次TensorFlow加法运算，TensorFlow还有乘法：
x = tf.constant([[1.0, 2.0]]) #张量
w = tf.constant([[3.0], [4.0]])
result = tf.matmul(x, w)
print(result)
二、TensorFlow会话
上面学习了加法和乘法，但是输出的结果都是Tensor形式的，如何转换成可以看到的数字呢？
TensorFlow为了加快效率，底层计算写到了C语言的运行库中，它和Python链接的方式就是通过会话。所以上述代码虽然写了计算，但实际上尚未执行运算，在这里就需要通过会话进行运算。
sess = tf.Session()这句话就定义了一个会话，接着使用sess.run(result)计算result：
可以看到，TensorFlow中张量相加得到了和numpy一样的结果。