一、常见的OP
1、举例
| 类型 | 实例 |
| 标量运算 | add，sub，mul，div，exp，log，greater，less，equal |
| 向量运算 | concat，slice，splot，canstant，rank，shape，shuffle |
| 矩阵运算 | matmul，matrixinverse，matrixdateminant |
| 带状态的运算 | variable，assgin，assginadd |
| 神经网络组件 | softmax，sigmoid，relu，convolution，max_pool |
| 存储、恢复 | save，restore |
| 队列及同步运算 | enqueue，dequeue，mutexAcquire，mutexRelease |
| 控制流 | merge，switch，enter，leave，nextIteration |
二、什么是操作函数和操作对象
1、说明
（1）一个操作对象（Operation）是TensorFlow图中的一个节点，可以接收0个或者多个输入Tensor，并且可以输出0个或者多个Tensor，Operation对象是通过op构造函数（如tf.matmul()）创建的
（2）例如c = tf.matmul(a, b)创建了一个Operation对象，类型为MatMul类型，它将张量a、b作为输入，c作为输出
（3）其中tf.matmul()是函数，在执行matmul函数的过程中会通过MatMul类型创建一个与之对应的对象
2、前一篇图例中有Const和Const_1就是tf.constant()生成的操作对象
这个操作对象输入的是Tensor对象，输出的也是Tensor对象
相当于前面机器学习的实例化一个预估器对象，操作函数实例化了一个操作对象，然后操作对象输入对象转变为输出对象
3、可以理解为操作函数都会产生一个操作对象，通过对象对参数进行处理
三、打印语句
1、语句类似于
Tensor("Const:0", shape=(), dtype=int32)
Tensor("Const_1:0", shape=(), dtype=int32)
打印返回的都是Tensor对象，而不是看到操作
2、指令名称
Tensor分成三个部分，其中“Const:0”、“Const_1:0”告诉我们这个Tensor对象是由哪一个操作产生的，称为指令名称！
3、打印出来的是张量值，可以理解成Operation中包含了这个值
4、每一个Operation指令都对应一个唯一的名称，如Count:0
5、tf.Tensor输出该张量的名称的形式为<OP_NAME>:<i>，其中
<OP_NAME>：是生成该张量的指令的名称
<i>：是一个整数，它表示该张量在指令的输出中的索引
