笔记(一)在计算图中引入了tensor,以常量或变量的形式存储。TensorFlow还提供了feed机制,该机制
可以临时替代图中的任意操作中的tensor可以对图中任何操作提交补丁,直接插入一个tensor。feed 使用一个
tensor值临时替换一个操作的输出结果。你可以提供feed数据作为run()调用的参数。feed只在调用它的方法内有
效,方法结束,feed就会消失。最常见的用例是将某些特殊的操作指定为"feed"操作,标记的方法是使用
tf.placeholder()为这些操作创建占位符。
input1 = tf.placeholder(tf.types.float32)
input2 = tf.placeholder(tf.types.float32)
output = tf.multiply(input1, input2)
with tf.Session() as sess:
print sess.run([output],feed_dict{input1:[7.],input2:[2.]})
# 输出:
# [array([ 14.], dtype=float32)]
在一个更大的样本feed中,如果没有正确提供feed,placeholder()操作将会产生错误。在之后的MNIST例子的学习
中将会提及这个问题。