tensorflow中placeholder， constant与variable的用法

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
#这段代码可以屏蔽因为CPU的警告



接下来，我对variable、placeholer与constant的用法做了一些验证，我将自己一些总结写于下面：
一、区别。
  variable 是一个类；
  placeholder是一个函数；
 constant是一个已知常量；
二、用法，用代码形式讲解
import tensorflow as tf
import numpy as np
import tensorflow as tf
a = tf.Variable([[2,3],[4,6]],dtype=tf.float32) #variable必须给定初始化值，不能是定义变量，否则会报错 ①
b = tf.placeholder(tf.float32,[2,2])  #可以给定张量维度，如2行2列
c = tf.add(a,b)                        #若没有placeholder，可以使用c=a*a  （a=tf.constant(tf.ones(2,3))），其它运算可以类比  ②
sess = tf.Session()
init=tf.global_variables_initializer()  #有Variable时候才初始化，实际告诉计算机解释①中variable定义初始化变量可以使用了
sess.run(init)  #开始进行初始化运算，将值赋给变量
print(init)
import numpy as np
k=np.ones([2,2])  #  绝对不能是python定义列表等，我试过会报错，最好是numpy来给想要的数组
print('c\n')
ff=sess.run(c,feed_dict={b:k})   #feed_dict 在placeholder时候使用，告诉变量用什么值，如果没有placeholder 可以不用写feed_dict 直接运行结果，如解释2中的sess.rn（c）
print(ff)