使用placeholder的作用:
在构建tensorflow的数据流图graph的时候,graph并不会直接执行,而是等到执行sess.Run的时候才会执行,这样便于图的优化.placeholder是用来在模型中占位的,它只会分配必要的内存,并没有传入真正的数据。先占个座,等建立session,在会话中,运行模型的时候通过feed_dict()函数向占位符喂入数据。
import tensorflow as tf
import numpy as np
a = tf.placeholder(dtype=tf.float32, name='a')
b = tf.placeholder(dtype=tf.float32, name='b')
output = tf.multiply(a, b)
with tf.Session() as sess:
print sess.run(output, feed_dict = {a:[3.], b:[2.]})
输出:
[6.]