1.tf.multiply（）兩個矩陣中對應元素各自相乘
格式: tf.multiply(x, y, name=None)
參數:
x: 一個類型為:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的張量。
y: 一個類型跟張量x相同的張量。
返回值： x * y element-wise.
注意：
（1）multiply這個函數實現的是元素級別的相乘，也就是兩個相乘的數元素各自相乘，而不是矩陣乘法，注意和tf.matmul區別。
（2）兩個相乘的數必須有相同的數據類型，不然就會報錯。
2.tf.matmul（）將矩陣a乘以矩陣b，生成a * b。
格式: tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)
參數:
a: 一個類型為 float16, float32, float64, int32, complex64, complex128 且張量秩 > 1 的張量。
b: 一個類型跟張量a相同的張量。
transpose_a: 如果為真, a則在進行乘法計算前進行轉置。
transpose_b: 如果為真, b則在進行乘法計算前進行轉置。
adjoint_a: 如果為真, a則在進行乘法計算前進行共軛和轉置。
adjoint_b: 如果為真, b則在進行乘法計算前進行共軛和轉置。
a_is_sparse: 如果為真, a會被處理為稀疏矩陣。
b_is_sparse: 如果為真, b會被處理為稀疏矩陣。
name: 操作的名字（可選參數）
返回值： 一個跟張量a和張量b類型一樣的張量且最內部矩陣是a和b中的相應矩陣的乘積。
注意：
（1）輸入必須是矩陣（或者是張量秩 >２的張量，表示成批的矩陣），並且其在轉置之后有相匹配的矩陣尺寸。
（2）兩個矩陣必須都是同樣的類型，支持的類型如下：float16, float32, float64, int32, complex64, complex128。
引發錯誤:
ValueError: 如果transpose_a 和 adjoint_a, 或 transpose_b 和 adjoint_b 都被設置為真
程序示例：
運行結果：
注意： 在TensorFlow的世界里，變量的定義和初始化是分開的，所有關於圖變量的賦值和計算都要通過tf.Session的run來進行。想要將所有圖變量進行集體初始化時應該使用tf.global_variables_initializer。