python笔记系列—tf.placeholder

最新推荐文章于 2023-10-22 23:40:14 发布

不是酸菜鱼_

最新推荐文章于 2023-10-22 23:40:14 发布

阅读量1.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/qq_40792751/article/details/91354556

本文详细介绍了 TensorFlow 中的 tf.placeholder 函数，包括其参数、用途及实例。tf.placeholder 用于构建计算流图时作为数据输入的占位符，在运行时通过 feed_dict 向其提供数据。通过一个例子展示了如何使用 placeholder 来定义输入数据和标签，并在会话中运行模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf笔记—tf.placeholder

tf.placeholder函数用法

函数

tf.placeholder(
dtype,
shape=None,
name=None
)
参数说明：
dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
shape：数据形状。默认是None，就是一维值，也可以是多维（比如[2,3], [None, 3]表示列是3，行不定）
name：名称

用途

Tensorflow的设计理念称之为计算流图，在编写程序时，首先构筑整个系统的graph，代码并不会直接生效。在实际的运行时，启动一个session，程序才会真正的运行。所以placeholder()函数是在神经网络构建graph的时候在模型中的占位，此时并没有把要输入的数据传入模型，它只会分配必要的内存。等建立session，在会话中，运行模型的时候通过feed_dict()函数向占位符喂入数据。

实例

X=tf.placeholder(tf.float32, [None,time_step,input_size]) #每批次输入网络的tensor
#行不定×时间步×数据维
Y=tf.placeholder(tf.float32, [None,time_step,output_size]) #每批次tensor对应的标签
#行不定×时间步×数据维
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
#saver.restore(sess, module_file)
for i in range(2000):
for step in range(len(batch_index)-1):
,loss=sess.run([train_op