1、给出一个1*2的矩阵m1：
tf.constant([[3., 3.]])
这是一个固定的矩阵（矩阵里面的元素是确定的）。
2、再给出一个2*1的矩阵m2：
tf.constant([[2.],[2.]])
3、m1和m2是满足矩阵乘法的条件的，那么，二者矩阵积是：
tf.matmul(m1, m2)
得到一个1*1的矩阵：
[[ 12.]]
4、颠倒一下m1和m2的位置，可以得到一个2*2矩阵：
tf.matmul(m2,m1)
1、m1和m2的形状不一样，但是仍旧可相加、相减：
print(sess.run(m1+m2))
print(sess.run(m1-m2))
2、m1 = tf.constant([[3., 3.]])
m2 = tf.constant([[2.,3],[2.,4],[5,6]])
print(sess.run(m1+m2))
上面，m1是1*2的矩阵，而m2是3*2的矩阵，m1+m2却是：
[[ 5. 6.]
[ 5. 7.]
[ 8. 9.]]
这和矩阵的运算完全不同啊，一定要注意。
3、把m1变成2*2矩阵，m2变成3*3矩阵，看看会有什么结果：
m1 = tf.constant([[3, 3],[3,6]])
m2 = tf.constant([[2,3,3],[2,4,5],[5,6,7]])
此时，二者就不能相加了。
