TensorFlow函数——tf.placeholder()

占位符
TensorFlow提供一个占位符操作，必须在执行时提供数据。 有关更多信息，请参阅Feeding数据部分。
Tf.placeholder(dtype,shape=None,name=None)
插入一个总是需要放入数据的张量的占位符。
重要提示：如果evaluated，该张量会产生错误。 必须使用feed_dict可选参数为Session.run（），Tensor.eval（）或Operation.run（）提供其值。
创建一个占位符作为一个张量（tensor），并且只有在赋值后才可以放到节点中执行。
For example：
x = tf.placeholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)
with tf.Session() as sess:
print(sess.run(y)) # ERROR: will fail because x was not fed.
rand_array = np.random.rand(1024, 1024)
print(sess.run(y, feed_dict={x: rand_array})) # Will succeed.
Args：
dtype: 要放给张量（tensor）中的元素类型
shape: 要放到张量（tensor）中的形状（向量维数）（可选）。如果未指定形状，则可以为任何形状的张量
name: 操作的名称(可选).
返回：
可以用作手段来提供值但不直接评估的张量。
tf.placeholder_with_default(input, shape, name=None)
一个占位符的操作，当它的输出没有被馈送时，通过input传递
Args：
Input：A Tensor（某一张量），当它的输出没有被馈送时，A的默认值将被传送进来。
Shape：A的tf.TensorShape或者ints列表。张量（可能部分的）形状
Name：操作的名称（可选）
Returns：
张量. 与输入的类型相同.一个占位符张量,如果没有输入则默认为输入。
对于作为复合类型的稀疏传感器，有一个方便的功能：
tf.sparse_placeholder(dtype, shape=None, name=None)
插入一个占位符，用于总是馈送的稀疏张量。
重要：如果评估，这个稀疏张量会产生错误。 必须使用feed_dict可选参数为Session.run（），Tensor.eval（）或Operation.run（）提供其值。
例如：
x = tf.sparse_placeholder(tf.float32)
y = tf.sparse_reduce_sum(x)
with tf.Session() as sess:
print(sess.run(y)) # ERROR: will fail because x was not fed.
indices = np.array([[3, 2, 0], [4, 5, 1]], dtype=np.int64)
values = np.array([1.0, 2.0], dtype=np.float32)
shape = np.array([7, 9, 2], dtype=np.int64)
print(sess.run(y, feed_dict={x: tf.SparseTensorValue(indices, values, shape)}))
# Will succeed.
print(sess.run(y, feed_dict={ x: (indices, values, shape)})) # Will succeed.
sp = tf.SparseTensor(indices=indices, values=values, shape=shape)
sp_value = sp.eval(session)
print(sess.run(y, feed_dict={x: sp_value})) # Will succeed.
Args：
dtype：要提供的张量中的值元素的类型。
形状：要进给的张量的形状（可选）。 如果没有指定形状，可以输入任何形状的稀疏张量。
name：用于前缀操作的名称（可选）。
Returns：
一个稀疏传感器，可用作提供值的句柄，但不直接评估。