tf.placeholder()函数的学习记录

tf.placeholder()函数的学习记录,第1张

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}))

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/3972482.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-10-21
下一篇 2022-10-21

发表评论

登录后才能评论

评论列表(0条)

保存