TensorFlow中输入张量占位符tf.placeholder用法

一、环境

TensorFlow API r1.12

CUDA 9.2 V9.2.148

cudnn64_7.dll

Python 3.6.3

Windows 10

二、官方说明

网络输入张量的占位符

https://www.tensorflow.org/api_docs/python/tf/placeholder

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

输入：

（1）dtype：输入张量中数据的类型

（2）shape：可选参数，输入张量的维度形状，该项不设置则表示输入的张量可以是任何维度

（3）name：可选参数，操作的名称

返回结果：

（1）张量，用来给网络输入数据的一个工具，但没有具体的数值

 

说明：

tf.placehoder()定义一个输入占位符，没有具体的值，只有在会话执行时通过sess.run(feed_dict = {input_x:x输入数据, input_y:y具体输入数据})进行幅值使用

 

三、实例

（1）不设置维度

>>> import tensorflow as tf
>>> import numpy as np
>>> x = tf.placeholder(dtype=tf.float32)
>>> y = tf.matmul(x, x)
>>> data = np.random.rand(2,2)
>>> with tf.Session() as sess:
...     sess.run(y, feed_dict={x:data})
...
array([[1.1486264 , 0.67143285],
       [1.1721172 , 0.7071244 ]], dtype=float32)

（2）设置固定维度

>>> import tensorflow as tf
>>> import numpy as np
>>> x = tf.placeholder(dtype=tf.float32, shape=(28, 28))
>>> y = tf.matmul(x, x)
>>> data = np.random.rand(28,28)
>>> with tf.Session() as sess:
...     sess.run(y, feed_dict={x:data})

 

（3）某一个维度设置None，一般表示数量可变的batch_size

>>> import tensorflow as tf
>>> x = tf.placeholder(dtype=tf.float32, shape=[None,2])
>>> sum = tf.add(x,x)
>>> data1 = np.random.rand(1,2)
>>> data2 = np.random.rand(2,2)
>>> data3 = np.random.rand(3,2)
>>> with tf.Session() as sess:
...     sess.run(sum, feed_dict={x:data1})
...     sess.run(sum, feed_dict={x:data2})
...     sess.run(sum, feed_dict={x:data3})
...
array([[0.41804734, 0.58225584]], dtype=float32)
...
array([[0.88173157, 0.48073   ],
       [0.78674865, 0.9617455 ]], dtype=float32)
...
array([[0.54382133, 0.23284811],
       [0.8744685 , 1.3424295 ],
       [0.7200361 , 1.609155  ]], dtype=float32)