Tensorflow中的placeholder和feed_dict

Posted by 站着工程师 on 2020-09-15 本文总阅读量

TensorFlow 支持占位符placeholder。占位符并没有初始值,它只会分配必要的内存。在会话中,占位符可以使用 feed_dict 馈送数据。 feed_dict是一个字典,在字典中需要给出每一个用到的占位符的取值。 在训练神经网络时需要每次提供一个批量的训练样本,如果每次迭代选取的数据要通过常量表示,那么TensorFlow 的计算图会非常大。因为每增加一个常量,TensorFlow 都会在计算图中增加一个结点。所以说拥有几百万次迭代的神经网络会拥有极其庞大的计算图,而占位符却可以解决这一点,它只会拥有占位符这一个结点。 placeholder函数的定义为

1
tf.placeholder(dtype, shape=None, name=None)`

参数:

1
2
3
dtype:数据类型。常用的是tf.int32,tf.float32,tf.float64,tf.string等数据类型。 
shape:数据形状。默认是None,也就是一维值。 也可以表示多维,比如要表示2行3列则应设为[2, 3]。 形如[None, 3]表示列是3,行不定。
name:名称。 返回:Tensor类型`

##例1

```
import tensorflow as tf
x = tf.placeholder(tf.string)
with tf.Session() as sess:
output = sess.run(x, feed_dict={x: ‘Hello World’})
print(output)

1
2
3
 运行结果:
`Hello World`
##例2

import tensorflow as tf
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 :’Hello World’, y:123, z:45.67})
print(output)
output = sess.run(y, feed_dict = {x :’Hello World’, y:123, z:45.67})
print(output)
output = sess.run(z, feed_dict = {x :’Hello World’, y:123, z:45.67})
print(output)

1
运行结果:

Hello Word 123 45.66999816894531`

1
##例3: 

import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32, shape=(3, 3))
y = tf.matmul(x, x) with tf.Session() as sess:
rand_array = np.random.rand(3, 3)
print(sess.run(y, feed_dict = {x: rand_array}))

1
2
3
4
5
运行结果:
````
\[\[0.62475741 0.40487182 0.5968855 \]
\[0.17491265 0.08546661 0.23616122\]
\[0.53931886 0.24997233 0.56168258\]\]\




本站总访问量