tf_placehoder传入值

本文通过一个简单的TensorFlow示例介绍了如何使用占位符(placeholder)进行运算。示例中定义了两个浮点型占位符,并通过乘法操作连接起来。在会话中运行时,通过feed_dict参数传递具体的数值。
部署运行你感兴趣的模型镜像
    import tensorflow as tf
    # 相当于定义了两个形参,或者说定义了两个占位符,在后面是用的时候还要输入具体值
    p1 = tf.placeholder(tf.float32)# most type are float32
    p2 = tf.placeholder(tf.float32)# most type are float32

    p3 = tf.multiply(p1, p2)# 相当于写了一个函数,而这个函数需要有两个输入,而且都是未知数

    with tf.Session() as sess:
        print(sess.run(p3,feed_dict={p1:[1.],p2:[2.]}))
        # feed_dict (feed dictionary)是根据 p3 的形参,或者占位符
        # 依次按照顺序给每一个key传一个value,传入方式是字典的形式

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值