TensorFlow构建二维数据拟合模型（3）

占位符与数据喂入机制

placeholder是TensorFlow提供的占位符节点，由tf.placeholder()函数创建，其实质上也是一种变量。占位符没有初始值，只会分配必要的内存，其值由会话中用户调用的run()函数传递。

占位符声明的方法如表

函数	说明
tf.placeholder( dtype, shape=None,name=None )	创建一个指定形状的占位符节点。 dtype：数据类型，必选，默认为value的数据类型。 shape：数据形状，必选，默认为None,即一维值。也可以是多维，如[2,3],[None,3]表示列为3，行不定 name：占位符名，可选。默认值不重复

数据喂入

TensorFlow的数据供给机制允许在TensorFlow计算图中将数据注入任意张量中，然而却需要设置placeholder节点，通过run()函数输入feed_dict参数，可以启动运算过程。

placeholder节点被声明的时候是未被初始化的，也不包括任何数据，如果没有为它供给数据，则TensorFlow计算图运算的时候会产生错误。

以下代码演示了如何向模型中喂入数据

import tensorflow as tf
a = tf.placeholder(dtype=tf.int16)
b = tf.placeholder(dtype=tf.int16)  #2-3行定义a和b两个整型占位符节点
add = tf.add(a,b)  #a与b相加
mul = tf.multiply(a,b)  #a与b相乘
with tf.Session() as sess:
    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}))

模型的保存和恢复：https://blog.youkuaiyun.com/weixin_45626468/article/details/115662057