python

超轻量级php框架startmvc

Tensorflow中的placeholder和feed_dict的使用

更新时间:2020-06-09 21:48:01 作者:startmvc
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

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


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

参数:

    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)

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)

运行结果:

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}))

运行结果:

[[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内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

Tensorflow placeholder Tensorflow feed_dict