Tensorflow - Tensor张量（常量，变量，占位符）理解

常量 constant

tf.constant()函数定义：

def constant(value, dtype=None, shape=None, name="Const", verify_shape=False)

• value: 符合tf中定义的数据类型的常数值或者常数列表;
• dtype：数据类型，可选;
• shape：常量的形状，可选;
• name：常量的名字，可选;
• verify_shape：常量的形状是否可以被更改，默认不可更改;

 constant()函数提供在tensorflow中定义常量(不可更改的张量)的方法。

eg:

tensor_constant1 = tf.constant([1,2,3,4])

变量 Variable 

tensorflow中的变量是通过Variable类来实现的，类初始化函数为tf.Variable()：

def __init__(self,
               initial_value=None,
               trainable=True,
               collections=None,
               validate_shape=True,
               caching_device=None,
               name=None,
               variable_def=None,
               dtype=None,
               expected_shape=None,
               import_scope=None)

tensorflow中的可以改变的量包括训练过程中的输入数据，输出数据以及控制从输入到输出的学习机制(具体体现为网络参数)，输入输出数据在tf中是用placeholder占位符定义的，tf的学习机制使用变量来表示。 

注意：变量通常在神经网络中表示权重和偏置。

 

占位符 placeholder

tf.placeholder()函数定义：

def placeholder(dtype, shape=None, name=None)

• dtype：表示tensorflow中的数据类型，如常用的tf.float32,tf.float64等数值类型;dtype 定占位符的数据类型，并且必须在声明占位符时指定
• shape：表示数据类型，默认的None是一个一维的数值，shape=[None,5],表示行不定，列是5;
• name：张量名称;

placeholder()又叫占位符，用于声明一个张量的数据格式，告诉系统这里会有一个这种格式的张量，但是还没有给定具体数值，具体的数值要在正式运行的时候给到。占位变量是一种TensorFlow用来解决读取大量训练数据问题的机制.  它允许你现在不用给它赋值，随着训练的开始，再把训练数据传送给训练网络学习。