现在我们已经介绍了TensorFlow是如何创建张量，运用变量和占位符，我们会接着介绍在计算图中如何使用这些。 然后，我们会设置一个简单的分类器再看看它的表现如何。
计算图中操作¶
既然我们已经知道如何将对象存在计算图中，我们可以引进操作。
>>> import tensorflow.compat.v1 as tf
>>> sess = tf.Session()
>>> tf.disable_eager_execution()
在这个例子中，我们将我们所学的整合起来，将列表中的每个数字输入计算图中的对象，然后打印出结果。
首先，我们声明一下我们的张量和占位符。然后我们创建一个numpy的数组，然后将其输入到我们的操作中：
>>> import numpy as np
# 步骤1创建数据
>>> x_vals = np.array([1.,3.,5.,7.,9.])
>>> x_data = tf.placeholder(tf.float32)
>>> m_const = tf.constant(3.)
# 步骤2创建操作
>>> my_product = tf.multiply(x_data,m_const)
# 步骤3输入数据并打印结果
>>> for x_val in x_vals:
... print(sess.run(my_product,feed_dict={x_data:x_val}))
3.0
9.0
15.0
21.0
27.0
步骤1和步骤2在计算图中创建数据和操作，在步骤3中，我们通过计算图输入数据让后打印结果。