tensorflow入门之使用feed来对变量赋值

本节主要详述tensorflow的使用feed来对变量赋值，以下代码在python3.5，tensorflow1.5.0，numpy1.13.3下测试通过，想学习的小伙伴可以直接拷贝运行，一块学习提高呀。

需要用到feed来赋值的操作可以通过tf.placeholder()说明，以创建占位符。 

代码：

input1 = tf.placeholder(tf.float32)
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]})

运行结果：

[array([ 14.], dtype=float32)]

代码：

with tf.Session() as sess:
    result = sess.run(output, feed_dict={input1:[7.0], input2:[2.0]})
    print type(result)
    print result

运行结果：

<type 'numpy.ndarray'>
[ 14.]

代码：

with tf.Session() as sess:
    result = sess.run(output, feed_dict={input1:7.0, input2:2.0})
    print type(result)
    print result

运行结果：

<type 'numpy.float32'>
14.0

代码：

with tf.Session() as sess:
    print sess.run([output], feed_dict={input1:[7.0, 3.0], input2:[2.0, 1.0]})

运行结果：

[array([ 14.,   3.], dtype=float32)]

代码：

with tf.Session() as sess:
    print sess.run(output, feed_dict={input1:[7.0, 3.0], input2:[2.0, 1.0]})

运行结果：

[ 14.   3.]

如果代码有看不懂的小伙伴，可以留言或者私信博主(*￣︶￣)。