没有合适的资源?快使用搜索试试~ 我知道了~
Tensorflow中的placeholder和feed_dict的使用
16 下载量 143 浏览量
2020-09-20
07:02:27
上传
评论 1
收藏 43KB PDF 举报
温馨提示
试读
2页
主要介绍了Tensorflow中的placeholder和feed_dict的使用,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
资源推荐
资源详情
资源评论
Tensorflow中的中的placeholder和和feed_dict的使用的使用
主要介绍了Tensorflow中的placeholder和feed_dict的使用,小编觉得挺不错的,现在分享给大家,也给大家做
个参考。一起跟随小编过来看看吧
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}))
资源评论
weixin_38748875
- 粉丝: 10
- 资源: 951
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功