安裝好TensorFlow之后，開一個python環境，就可以開始運行和使用TensorFlow了。
先給一個實例，
#先導入TensorFlow
import tensorflow as tf
# Create TensorFlow object called hello_constant
hello_constant = tf.constant('Hello World!')
with tf.Session() as sess:
# Run the tf.constant operation in the session
output = sess.run(hello_constant)
print(output)
也許有人奇怪，為什么不直接輸出“Hello World！”呢，這個看起來很麻煩，是嗎？其實不是的
1.Tensor是什么？
在 TensorFlow 中，數據不是以整數，浮點數或者字符串形式存在的，而是被封裝在一個叫做 tensor 的對象中。Tensor是張量的意思，張量包含了0到任意維度的量，其中，0維的叫做常數，1維的叫做向量，二維叫做矩陣，多維度的就直接叫張量量。在 hello_constant = tf.constant(‘Hello World!’) 代碼中，hello_constant是一個 0 維度的字符串 tensor，tensors 還有很多不同大小：
# tensor1 是一個0維的 int32 tensor
tensor1 = tf.constant(1234)
# tensor2 是一個1維的 int32 tensor
tensor2 = tf.constant([123,456,789])
# tensor3 是一個二維的 int32 tensor
tensor3 = tf.constant([ [123,456,789], [222,333,444] ])
2.Session是Tensorflow中的一個重要概念
Tensorflow中的所有計算都構建在一張計算圖中，這是一種對數學運算過程的可視化方法。就像剛才的代碼：
with tf.Session() as sess:
output = sess.run(hello_constant)
這個session就是負責讓這個圖運算起來，session的主要任務就是負責分配GPU或者CPU的。
3.tf.placeholder()
前面代碼中出現了tf.constant(‘Hello World!’)，這個tf.constant是用來定義常量的，其值是不變的，但是如果你需要用到一個變量怎么辦呢？
這個時候就需要用到tf.placeholder() 和 feed_dict了。
先給代碼
x = tf.placeholder(tf.string)
with tf.Session() as sess:
output = sess.run(x, feed_dict={x: 'Hello World'})
tf.placeholder表示一個占位符，至于是什么類型，看自己定義了，這里定義的是tf.string類型，然后呢，在session開始run以前，也就死這個圖開始計算以前，就使用feed_dict將對應的值傳入x，也就是這個占位符。
同樣的feed_dict可以設置多個tensor
x = tf.placeholder(tf.string)
y = tf.placeholder(tf.int32)
z = tf.placeholder(tf.float32)
with tf.Session() as sess:
output = sess.run(x, feed_dict={x: 'Test String', y: 123, z: 45.67})
但是需要注意的是，使用feed_dict設置tensor的時候，需要你給出的值類型與占位符定義的類型相同。
