tf.placeholder函数的意义

语法结构为：
tf.placeholder( dtype, shape=None, name )
具体函数分析：
dtype是数据类型，常用的如tf.float32等;
shape是数据的形状，默认None是一维值，也可多维如【3,3】，若看到【2，None】表示2行，列无要求;
name是数据名称，可不写
函数的作用：
减少产生的op，进而减少graph的开销。
具体原理是：
因为每一个tensor值在graph上都是一个op，当我们将train数据分成一个个minibatch然后传入网络进行训练时，每一个minibatch都将是一个op，这样的话，一副graph上的op未免太多，也会产生巨大的开销；
于是就有了tf.placeholder，
我们每次可以将一个minibatch传入到x = tf.placeholder(tf.float32,[None,32])上，下一次传入的x都替换掉上一次传入的x，
这样就对于所有传入的minibatch x就只会产生一个op，
不会产生其他多余的op，进而减少了graph的开销。

op是什么呢 ？
example:
x = tf.placeholder(tf.float32,[None,784])
op其实可以理解成为是一个x数据经过网络是长生的张量值。