我们先看一下tf.placeholder()的用法
tf.placeholder(dtype,shape=Nonename=None)
参数：
- dtype：张量的数据类型
- shpe：张量的形状
- name：张量的名称
举例：
input_x = tf.placeholder(tf.int32, [None, 50, 128], 'input_x')
为什么这里第一维要用None呢，用batch_size（一般来说默认batch_size为训练时用的batch_size，即train_batch_size）不行吗？原因是在训练阶段我们可以以128条数据（train_batch_size=128）进行训练，而预测阶段我们可以对1条数据（eval_batch_size=1）进行预测，如果用train_batch_size把第一维固定死了，那在预测的时就必须一次性输入128条数据进行预测，所以为了灵活性，这里设为None。