feed机制、fetch机制

最新推荐文章于 2023-03-18 22:34:34 发布

原创最新推荐文章于 2023-03-18 22:34:34 发布 · 690 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#feed机制 #tensorflow

深度学习同时被 2 个专栏收录

13 篇文章

订阅专栏

tensorflow

7 篇文章

订阅专栏

本文详细介绍了TensorFlow中的两种关键数据流向机制：Feed机制和Fetch机制。Feed机制允许通过占位符向模型传入数据，而Fetch机制则用于从模型中获取计算结果。通过具体示例展示了如何使用Feed机制在TensorFlow会话中运行计算，包括相加和相乘操作。

两种数据的流向机制：

feed机制：注入机制--通过占位符想模型传入数据

fetch机制：取回机制--从模型中得到结果

feed机制举例如下：

feed只在调用它的方法内有效，方法结束后feed就会消失

import tensorflow as tf

#feed机制

a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)

add = tf.add(a,b)
mul = tf.multiply(a,b)

with tf.Session() as sess:
    #下面 这句话的目的在于制定 GPU进行计算
    #cpu:0    表示机器的CPU
    #gpu:0    表示机器的第一个GPU
    #gpu:1    表示机器的第二个GPU，依次类推
#    with tf.device("/gpu:0"):   
        print("相加：%i" % sess.run(add, feed_dict = {a:3,b:4}))
        print("相乘：%i" % sess.run(mul, feed_dict = {a:3,b:4}))
        print(sess.run([mul,add],feed_dict={a:3,b:4}))