1.5 实验：矩阵运算

该实验的主要内容是在TensorFlow中实现（a+b）*c的值的计算。其中，a、b均为1×2的矩阵常量，且a=[2.1，3.5]，b=[2.2，1.7]；c为2×1的矩阵常量，且 。

1.5.1 实验目的

（1）了解TensorFlow的数据模型、计算模型和运行模型。

（2）掌握计算图、张量的基本使用方法。

（3）在TensorFlow中用代码实现（a+b）*c的计算。

（4）运行程序，看到结果。

1.5.2 实验要求

本次实验后，要求学生能：

（1）了解TensorFlow的数据模型、计算模型和运行模型。

（2）掌握计算图、张量的基本使用方法。

（3）能够用代码在TensorFlow中实现基本运算。

1.5.3 实验原理

计算图的构建方式主要包括静态计算图和动态计算图。在静态计算图中，TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段。构建阶段通过构建计算图来定义TensorFlow程序中将要进行的所有计算操作；执行阶段则在会话中启动计算图，并执行之前定义的所有计算操作。在动态计算图的构建方式中，每进行一个计算操作后，该操作会动态地加入默认的计算图中，立即执行并得到结果，而无须再开启会话进行操作运算。鉴于 TensorFlow 2.0 中已经采用动态计算图作为默认的计算图构建方式，在本实验中，我们也采用动态计算图来完成矩阵的运算。

1.5.4 实验步骤

本实验的实验环境为TensorFlow 2.0+Python 3.6。

为了实现（a+b）*c 的计算，我们需要定义（a+b）*c 的计算图。在该计算图中，应包含a、b、c 三个矩阵常量的节点和“+”“c”两个计算操作节点，定义的所有节点将自动地加入计算图中，并立即完成运算。其实现代码如下：

通过以上代码可以完成计算图的创建和矩阵的运算。打印 result 的值，可以看到输出结果：

tf.Tensor([[39.42]],shape=(1,1),dtype=float32) aq1JvUWwTnMFgKLb1vB+Y9R5UTr35cGcDWc0LoG7ugRISkUQb3URBCJdnTMmMb2s