Tensorflow的設計理念稱之爲計算流圖，在編寫程序時，首先構築整個系統的graph，代碼並不會直接生效，這一點和python的其他數值計算庫（如Numpy等）不同，graph爲靜態的，類似於docker中的鏡像。
然後，在實際的運行時，啓動一個session，程序纔會真正的運行。
這樣做的好處就是：避免反覆地切換底層程序實際運行的上下文，tensorflow幫你優化整個系統的代碼。
我們知道，很多python程序的底層爲C語言或者其他語言，執行一行腳本，就要切換一次，是有成本的，tensorflow通過計算流圖的方式，幫你優化整個session需要執行的代碼，還是很有優勢的。
所以placeholder()函數是在神經網絡構建graph的時候在模型中的佔位，此時並沒有把要輸入的數據傳入模型，它只會分配必要的內存。等建立session，在會話中，運行模型的時候通過feed_dict()函數向佔位符喂入數據。
tf.placeholder(
dtype,
shape=None,
name=None
)
參數：
dtype：數據類型。常用的是tf.float32,tf.float64等數值類型
shape：數據形狀。默認是None，就是一維值，也可以是多維（比如[2,3], [None, 3]表示列是3，行不定）
name：名稱
示例
import tensorflow as tf
import numpy as np
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)
with tf.Session() as sess:
print sess.run(output, feed_dict = {input1:[3.], input2: [4.]})