Tensorflow基础函数详解 : tf.placeholder

最新推荐文章于 2023-10-22 23:40:14 发布

SpringInDawn

最新推荐文章于 2023-10-22 23:40:14 发布

阅读量1.7k

点赞数

分类专栏： TensorFlow 文章标签： TensorFlow

本文链接：https://blog.csdn.net/chunxiao860815/article/details/84874252

版权

TensorFlow 专栏收录该内容

1 篇文章

订阅专栏

本文深入讲解了TensorFlow中placeholder函数的定义与使用方法，包括数据类型、形状和名称参数的设置，以及通过示例演示了如何在session中传入值进行矩阵乘法运算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

placeholder函数定义如下：

tf.placeholder(dtype, shape=None, name=None)

参数说明：
dtype：数据类型。常用的是tf.float32,tf.float64等数值类型。
shape：数据形状。默认是None，就是一维值。如果是多维的话，定义如下:[2,3], [None, 3]等。其中 [None, 3]表示列是3，行数不定。此参数可以根据提供的数据推导得到，不一定要给出。
name：名称。比如常在书中看到的x-input, y-input。

实际使用示例：

import tensorflow as tf

# 定义placeholder
input1 = tf.placeholder(tf.float32,shape=(1, 2),name="input-1")
input2 = tf.placeholder(tf.float32,shape=(2, 1),name="input-2")

# 定义矩阵乘法运算(注意区分matmul和multiply的区别：matmul是矩阵乘法，multiply是点乘)
output = tf.matmul(input1, input2)

# 通过session执行乘法运行
with tf.Session() as sess:
    # 执行时要传入placeholder的值
    print sess.run(output, feed_dict = {input1:[1,2], input2:[3,4]})
    # 最终执行结果 [11]