tensorflow的session学习

from __future__ import print_function
import tensorflow as tf

matrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[2],
                       [2]]) 

pro = tf.matmul(matrix1,matrix2) #矩阵乘法

#方法1
sess = tf.Session()
res = sess.run(pro)
print(res)
sess.close()
#方法2
with tf.Session() as sess:
    result = sess.run(pro)
    print(result)

代码开头会加上from __future__ import *这样的语句。这样的做法的作用就是将新版本的特性引进当前版本中，也就是说我们可以在当前版本使用新版本的一些特性。

__future__模块还有很多其他功能：整数除法，with 用法，绝对引入（absolute_import）：绝对引入主要是针对python2.4及之前的版本的，这些版本在引入某一个.py文件时，会首先从当前目录下查找是否有该文件。如果有，则优先引用当前包内的文件。而如果我们想引用python自带的.py文件时，则需要使用，

参考来自莫烦的tensorlfow教程，

一个很好的tf教程，很适合入门。but它的教程更偏向于tensorflow的实现过程，对于网络模型的底层的数学过程，他介绍的不是很多。但是，我个人觉得这个非常重要，对于一个网络的正向和方向的数据流的过程以及维度的变化，还是要有一个清楚的认识。要不然对机器学习的认识就变成一个黑盒了