Tensorflow提供填充机制,可以在构建图的时候使用placeholder临时替代任何操作的张量,在调用Session对象的run时再执行,使用填充数据作为调用参数,调用结束后,填充数据就消失。
一段性感的代码:
import tensorflow as tf
#在tensorflow中需要定义placeholder的type,一般float32形式
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
#multiply 是将input1和inpu2做乘法运算,并输出为output,matmul是矩阵乘法
output = tf.multiply(input1,input2)
with tf.Session() as sess:
print(sess.run(output,feed_dict = {input1:[7.],input2:[2.]}))
本文介绍了TensorFlow中的填充机制,通过使用placeholder实现张量的临时替代,并在运行时指定实际值。示例代码展示了如何定义两个浮点数类型的输入占位符并执行乘法运算。
985

被折叠的 条评论
为什么被折叠?



