溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
TensorFlow 支持占位符placeholder。占位符并沒有初始值，它只會分配必要的內存。在會話中，占位符可以使用 feed_dict 饋送數據。
feed_dict是一個字典，在字典中需要給出每一個用到的占位符的取值。
在訓練神經網絡時需要每次提供一個批量的訓練樣本，如果每次迭代選取的數據要通過常量表示，那么TensorFlow 的計算圖會非常大。因為每增加一個常量，TensorFlow 都會在計算圖中增加一個結點。所以說擁有幾百萬次迭代的神經網絡會擁有極其龐大的計算圖，而占位符卻可以解決這一點，它只會擁有占位符這一個結點。
placeholder函數的定義為
tf.placeholder(dtype, shape=None, name=None)
參數：
dtype：數據類型。常用的是tf.int32，tf.float32，tf.float64，tf.string等數據類型。
shape：數據形狀。默認是None，也就是一維值。
也可以表示多維，比如要表示2行3列則應設為[2, 3]。
形如[None, 3]表示列是3，行不定。
name：名稱。
返回：Tensor類型
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)
運行結果：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)
運行結果：
Hello Word
123
45.66999816894531
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}))
運行結果：
[[0.62475741 0.40487182 0.5968855 ]
[0.17491265 0.08546661 0.23616122]
[0.53931886 0.24997233 0.56168258]]
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
