tensorflow学习笔记(2)-feed_dict

x = tf.placeholder(tf.float32, shape=(1024, 1024))  
y = tf.matmul(x, x)  

with tf.Session() as sess:  
  print(sess.run(y))  # ERROR: 此处x还没有赋值.  

  rand_array = np.random.rand(1024, 1024)  
  print(sess.run(y, feed_dict={x: rand_array}))  # Will succeed. 
import tensorflow as tf

w1=tf.Variable(tf.random_normal([1,2],stddev=1,seed=1))  

#因为需要重复输入x,而每建一个x就会生成一个结点,计算图的效率会低。所以使用占位符  
x=tf.placeholder(tf.float32,shape=(2,2))  
x1=tf.constant([[0.7,0.9]])  

a=x+w1  
b=x1+w1  

sess=tf.Session()  
sess.run(tf.global_variables_initializer())  

#运行y时将占位符填上,feed_dict为字典,变量名不可变  
y_1=sess.run(a,feed_dict={x:[[0.7,0.9],[1,1]]})  
y_2=sess.run(b)  
print(y_1)  
print(y_2)  
sess.close 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值