import tensorflow as tf
data1 = tf.placeholder(tf.float32)  #定义placeholder及数据类型
data2 = tf.placeholder(tf.float32)
dataAdd = tf.add(data1, data2)          #加法运算
with tf.Session() as sess:
    print(sess.run(dataAdd, feed_dict={data1:6,data2:2}))  #打印结果
print('end')

#矩阵、数组的格式:M*N，最外面是[],内部是由一个个中括号组成
#每个中括号里面表示的是一个列数据，中括号的整体是一个行数据
#a = [[6,6]]表示一行两列
import tensorflow as tf
data1 = tf.constant([[6, 6]])
data2 = tf.constant([[2],
                     [2]])
data3 = tf.constant([[3, 3]])
data4 = tf.constant([[1, 2],
                     [3, 4],
                     [5, 6]])
print(data4.shape)   #打印维度
with tf.Session() as sess:
    print(sess.run(data4))           #打印整体
    print(sess.run(data4[0]))        #打印一行
    print(sess.run(data4[:, 0]))     #打印一列
    print(sess.run(data4[0, 1]))     #打印某个元素
print('end')

#两矩阵相加必须维度一样
#矩阵、数组的格式:M*N，最外面是[],内部是由一个个中括号组成
#每个中括号里面表示的是一个列数据，中括号的整体是一个行数据
#a = [[6,6]]表示一行两列
import tensorflow as tf
data1 = tf.constant([[6, 6]])
data2 = tf.constant([[2],
                     [2]])
data3 = tf.constant([[3, 3]])
data4 = tf.constant([[1, 2],
                     [3, 4],
                     [5, 6]])
matMul = tf.matmul(data1, data2)   #矩阵相乘
matMul2 = tf.multiply(data1, data2)   #按对应元素相乘
matAdd = tf.add(data1, data3)      #矩阵相加
with tf.Session() as sess:
    print(sess.run(matMul))
    print(sess.run(matAdd))
    print(sess.run(matMul2))
    print(sess.run([matMul, matMul2]))     #一次打印多个内容
print('end')