tf.placeholder()函数的学习记录

tf.placeholder()函数的学习记录

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

参数：
dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
shape：数据形状。默认是None，就是一维值，也可以是多维（比如[2,3], [None, 3]表示列是3，行不定）
name：名称

这个函数很重要， Tensorflow会首先构筑整个系统的graph，代码并不会直接生效，在实际的运行时，启动一个session，程序才会真正的运行。
优点：避免反复地切换底层程序实际运行的上下文，tensorflow帮你优化整个系统的代码。

tf.placeholder()在神经网络构建graph的时候在模型中占位，没有把要输入的数据传入模型，它只会分配必要的内存。等建立session，在会话中，运行模型的时候通过feed_dict()函数向占位符传入数据。

import tensorflow as tf
import numpy as np
 
x = tf.placeholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)
 
with tf.Session() as sess:
    #print(sess.run(y))  # ERROR:此处x还没有赋值
    rand_array = np.random.rand(1024, 1024)
    print(sess.run(y, feed_dict={x: rand_array}))