tensorflow学习之（四）使用placeholder 传入值

baimen2975

于 2018-09-05 09:33:00 发布

阅读量198

点赞数

文章标签：人工智能

原文链接：http://www.cnblogs.com/Harriett-Lin/p/9590207.html

版权

本文详细解析了TensorFlow中Variable与Placeholder的区别与用法。Variable主要用于定义可训练的模型参数，如权重和偏置，需指定初始化值；而Placeholder则用于接收外部输入的数据，如训练样本，无需初始化值，可在运行时通过feed_dict动态指定。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#placeholder 传入值
import tensorflow as tf

"""
tf.Variable：主要在于一些可训练变量（trainable variables），比如模型的权重（weights，W）或者偏执值（bias）:
    声明时，必须提供初始值；
    名称的真实含义，在于变量，也即在真实训练时，其值是会改变的，自然事先需要指定初始值； 
tf.placeholder：用于得到传递进来的真实的训练样本：
    不必指定初始值，可在运行时，通过 Session.run 的函数的 feed_dict 参数指定；
    这也是其命名的原因所在，仅仅作为一种占位符；
"""
input1 = tf.placeholder(tf.float32)#默认是float32的形式
input2 = tf.placeholder(tf.float32)

output = tf.multiply(input1,input2)

with tf.Session() as sess:
    print(sess.run(output,feed_dict={input1:[7.0],input2:[2.0]}))#以字典的形式传值给output

转载于:https://www.cnblogs.com/Harriett-Lin/p/9590207.html