w1 = tf.Variable(tf.random_normal([2, 3], sttdev = 1, seed = 1))
生成矩阵的均值为0，方差为2。使用seed=1指定随机种子，可以保证每次运行得到的结果相同。

sess.run(w1.initializer)
初始化w1
sess.run(tf.initiable_all_variables())
初始化所有的变量

tf.assign(w1, w2)
w1.assign(w2)
将w2的值赋值给w1

sess.run(y, feed_dict = {x: [[5, 6]]}))
给placeholder类型的x赋值

tf.clip_by_value(y, min, max)
将y的值压缩在[min, max]之间

tf.greater(v1, v2)
比较两个输入张量的每一个元素的大小，并返回比较结果（数值型的结果为布尔型）

tf.select(k， v1， v2)
第一个参数为选择条件，当为True时，函数结果为第二个参数中的值， 否则使用第三个参数。