Tensorflow中的placeholder和feed_dict

发表于 |
字数统计: 507字 | 阅读时长 ≈ 2分钟

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

1
2
3
4
5
6
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)
  `

运行结果：
Hello World
##例2 

1
2
3
4
5
6
7
8
9
10
11
12
13
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) 
````  
 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：
```` 
\[\[0.62475741 0.40487182 0.5968855 \] 
\[0.17491265 0.08546661 0.23616122\] 
\[0.53931886 0.24997233 0.56168258\]\]\