tf.placeholder 和 feed_dict

tf.placeholder

说明

X = tf.placeholder(dtype=tf.float32, shape=[144, 10], name='X')

dtype：数据类型，必填，默认为value的数据类型，传入参数为tensorflow下的枚举值（float32，float64…….）

shape：数据形状，选填，不填则随传入数据的形状自行变动，可以在多次调用中传入不同形状的数据

name：常量名，选填，默认值不重复，根据创建顺序为（Placeholder，Placeholder_1，Placeholder_2…….）

例子

import tensorflow as tfinput1 = tf.placeholder(tf.float32) #一般都是float32
input2 = tf.placeholder(tf.float32)
ouput = tf.multiply(input1, input2) #试了好几个乘法，就这一个可以with tf.Session() as sess:print(sess.run(ouput, feed_dict={input1: [7.], input2: [2.]}))

x = tf.placeholder(tf.string)
y = tf.placeholder(tf.int32)
z = tf.placeholder(tf.float32)with tf.Session() as sess:output = sess.run(x, feed_dict={x: 'Test String', y: 123, z: 45.67})

理解

1. 所有的placeholder都需要指定类型，且后面需要保持一致，否则报错。
2. tf.Variable和tf.placeholder区别在于前者，需要先设定初值，后者则是在使用中赋值
3. tf.Variable：适用于Weight 和 Bias 等会改变的值；而tf.placeholder一般放不会改变的数据集，比如图片等等。