tensorflow实例(3)--传入量的定义与使用

最新推荐文章于 2025-03-27 16:30:45 发布

雨落那秋林

最新推荐文章于 2025-03-27 16:30:45 发布

阅读量327

点赞数

分类专栏： python 机器学习文章标签： tensorflow python

本文链接：https://blog.youkuaiyun.com/carmelcarmen/article/details/78877273

版权

python 同时被 2 个专栏收录

42 篇文章

订阅专栏

机器学习

33 篇文章

订阅专栏

本文详细介绍了TensorFlow中feed机制的使用方法，并通过一个具体的示例展示了如何在运行时动态地将数据输入到计算图中。该机制允许用户在不改变图结构的情况下，灵活地更改输入数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow实例(1)--变量、常量的定义与使用介绍了常量或变量的存储形式

TensorFlow 还提供了传入量(feed) 机制可以在 run时直接插入一个参数值，

这个值只有在调用它时有效,方法结束，传入量就会消失

# -*- coding:utf-8 -*- 
import tensorflow as tf 
input1 = tf.placeholder(tf.float32)         # tf.float32表示要传参类型
input2 = tf.placeholder(tf.float32,[2,2])   # [2,2]表示传参的值必须为2*2维数组
output = tf.multiply(input1, input2)        # 相乘
print(tf.Session().run([output], feed_dict={input1:[7.], input2:[[1,2],[3,4]]})) #如果run的值都是placeholder，则不需要run(tf.initialize_all_tables)