在構造階段完成以後，我們需要啟動圖，啟動圖的第一步是創建一個Session

物件，如果建立的時候沒有任何物件的話，Session構造器將會啟動預設圖，即函式中沒有傳入引數，表明該程式碼將

會依附於（如果還沒有建立會話，則會建立新的會話）預設的本地會話。

import tensorflow as tf
# 建立一個常量 op, 產生一個 1x2 矩陣. 這個 op 被作為一個節點
# 加到預設圖中.
#
# 構造器的返回值代表該常量 op 的返回值.
matrix1 = tf.constant([[3., 3.]])
# 建立另外一個常量 op, 產生一個 2x1 矩陣.
matrix2 = tf.constant([[2.],[2.]])
# 建立一個矩陣乘法 matmul op , 把 'matrix1' 和 'matrix2' 作為輸入.
# 返回值 'product' 代表矩陣乘法的結果.
product = tf.matmul(matrix1, matrix2)
# 啟動預設圖.
sess = tf.Session()
# 呼叫 sess 的 'run()' 方法來執行矩陣乘法 op, 傳入 'product' 作為該方法的引數.
# 上面提到, 'product' 代表了矩陣乘法 op 的輸出, 傳入它是向方法表明, 我們希望取回
# 矩陣乘法 op 的輸出.
#
# 整個執行過程是自動化的, 會話負責傳遞 op 所需的全部輸入. op 通常是併發執行的.
#
# 函式呼叫 'run(product)' 觸發了圖中三個 op (兩個常量 op 和一個矩陣乘法 op) 的執行.
#
# 返回值 'result' 是一個 numpy `ndarray` 物件.
result = sess.run(product)print(result)
#==> [[ 12.]]
#任務完成, 關閉會話.
sess.close()
 

Session物件在使用完後需要關閉以釋放資源。除了顯式呼叫close外，也可以使用"with"程式碼塊來自完成關閉操作。

with tf.Session() as sess:
    result = sess.run([product])
    print(result)

示例中使用一個會話Session來啟動圖，並呼叫Session.run()方法執行操作。

run()：

在一個執行的圖中執行某種操作的行為。要求圖必須執行在會話中。在 Python的API中，它是Session類的一個方

法，可以通過Tensors來訂閱或獲取run()操作。

為了取回操作的輸出內容, 可以在使用Session物件的run()呼叫執行圖時, 傳入一些 tensor，這些tensor會幫助

取回結果.。我們可以取回單個節點，也可以取回多個tensor：

input1 = tf.constant(3.0)
input2 = tf.constant(2.0)
input3 = tf.constant(5.0)
intermed = tf.add(input2, input3)
mul = tf.multiply(input1, intermed)
with tf.Session():
result = sess.run([mul, intermed])
print(result)
# 輸出:
# [array([ 21.], dtype=float32), array([ 7.], dtype=float32)]
 

因此我們不需要去逐個獲取tensor，而是從一次執行中可以一次獲得。