对tensorflow中的tensor、placeholder及feed_dict的理解

以前不知道tf.placeholder的feed_dict格式要求，以为随便是什么格式都可以，直到自己在做测试的时候出现以下错误才知道tf.placeholder  的feed_dict填充内容不可以是tensor格式的，对自己来说反而方便很多。

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.

placeholder的作用：1）占位符作用，为待处理数据生成tensor对象，在未来的graph中占据一席之地，但这些tensor只有格式和shape，没有实际内容。

                                     2）placeholder与feed_dict结合的另外一个潜在作用是，将numpy等格式的输入数据转换成tensor需要的格式，方便在tensorflow中流动。

 

自己对tensorflow的一些理解：

           1）tensorflow中的tensor不是数学意义上的张量，数学意义上的张量是实实在在的数据，tensorflow中的tensor的实际意义是操作（operation，op）或者函数。如：

                                       y = f(x)

                                       z=g(y)

                                     则：z=g(f(x))

          在传统的数学意义上，张量对应的是实实在在的数据x,y,z,

         在tenforflow中，tensor的意义是操作，是函数，即tf.tensor对应的是 f(),g(),g(f()),是一种映射关系，没有、也不代表真实数据

        因此，在获取张量的值的时候需要用sess.run(tensor)，因为，tensor仅仅代表映射关系，如果不执行这个映射，就不会有映射的结果输出。

        2）tensorflow中的graph实际上是一个映射关系树，graph上的每个节点可以看作是基本映射关系的组合，但仍旧是映射关系。

           可以把tensorflow中的graph比作一个水暖的暖气系统。

          每个暖气片可以看作tensor,该tensor的作用是散热。

          暖气片下方有个放水的水龙头，代表tensorflow中的 sess.run()功能，执行sess.run()相当于打开水龙头，得到暖气系统流经该暖气片之后的水。

          tensorflow的placeholder可以看作暖气系统的加水处，水是输入数据。

         如果不加水，整个暖气系统也是完整的，但不能起到任何作用。

        加水之后，水就可以流到各个可以到达的张量处，但要想得到张量中的数据，需要打开它的水龙头,即对该张量执行sess.run()

       tensorflow的每个节点，可以看作一系列暖气片的串并联等方式的组合，最后给出一个水龙头。即，每个暖气片都有一个自己的水龙头，每个暖气片组有再添加一个总的与主干道接通的水龙头。

     所以，要想从tensorflow中的某个张量处得到水，首先需要在注水处添上水，然后需要打开对应暖气片或暖气片组的水龙头。

        3）要想得到映射关系的结果，首先需要填入输入数据(feed_dict)，然后需要驱动该映射的执行（sess.run()）

 

 

前程任重而道远，自己虽然很水，还需脚踏实地力前行。

 

文章原创，如有不当，欢迎拍砖指正，如需转载，请注明出处！https://blog.youkuaiyun.com/Strive_For_Future/article/details/82463923