TensorFlow学习－－ 变量Variables/ Fetch/ Feed

Variables:

参数是在图中有其固定的位置的，不能像普通数据那样正常流动。TensorFlow中将变量/Variables作为一个特殊的算子，可以返回它所保存的可变tensor的句柄。

#!/usr/bin/python
# coding:utf-8
# 变量Variables

import tensorflow as tf

# 创建一个变量,初始化为标量0
state = tf.Variable(0, name="counter")
# 创建一个op,其作用是使state增加1
one = tf.constant(1)
new_value = tf.add(state, one)
# 调用run()执行表达式之前,assign并不会真正执行赋值操作
update = tf.assign(state, new_value)

# 变量必须先初始化
init_op = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init_op)
    # 运行op,更新state,并打印state
    for i in range(5):
        sess.run(update)
        print sess.run(state)

输出：

1
2
3
4
5

assign（）在赋值后输出一个张量，该张量保存ref的新值。这样更容易链接需要使用重置值的操作。
def assign(ref, value, validate_shape=None, use_locking=None, name=None)

ref：一个可变的张量。来自Variable节点（可能未初始化）。
value：一个张量。要分配给变量的值，必须与ref具有相同的类型。
validate_shape：若为true，则操作将验证value的shape与要分配的张量的shape相匹配。若为false，ref将呈现value的形状。 （可选项）
use_locking：若为True，则赋值将受锁定保护；默认为True。（可选项）
name：操作的名称。（可选项）
返回值为一个Tensor，在分配完成后保存ref的新值。

Fetch:

为取回操作的输出内容, 可以在使用 Session 对象的 run() 调用 执行图时, 传入一些 tensor，这些tensor可以取回结果，从而可以获取多个tensor值:

#!/usr/bin/python
# coding:utf-8

# Fetch 取回节点的输出内容

import tensorflow as tf

input1 = tf.constant(2.0)
input2 = tf.constant(6.0)
input3 = tf.constant(8.0)

add = tf.add(input3, input2)
mul = tf.multiply(input1, add)

with tf.Session() as sess:
    result = sess.run([mul, add])
    print result

输出：

[28.0, 14.0]

Feed:

Feed机制可以直接在图中插入一个 tensor，可以临时替代图中任意操作中的tensor．feed只在调用它的方法内有效，方法结束 feed 就会消失．
feed使用一个tensor值临时替换一个操作的输出结果．常用的方法是将某些特殊操作指定为feed操作，标记方法是使用tf.placeholder()为这些操作创建占位符．

#!/usr/bin/python
# coding:utf-8
# feed 使用一个 tensor 值临时替换一个操作的输出结果

import tensorflow as tf

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
input3 = tf.placeholder(tf.float32)
add = tf.add(input3, input2)
mul = tf.multiply(input1, add)
# output = tf.multiply(input1, input2)

with tf.Session() as sess:
    print sess.run([mul, add], feed_dict={input1: [2.], input2: [6.], input3: [8.]})

输出：

[array([ 28.], dtype=float32), array([ 14.], dtype=float32)]