【TensorFlow动手玩】数据导入1

最简单的数据导入方式是使用Feeding：即把输入设定成一个不需要初始化值的placeholder。

input1 = tf.placeholder(tf.float32, shape=[2])
input2 = tf.placeholder(tf.float32, shape=[2])

placeholder创建的是一类特殊的Tensor，可以直接用来构建Graph

output = input1 + input2

在每次执行output之前，要准备好具体的输入数据（例如numpy数组）：

data1 = numpy.array([0.5, 0.6])
data2 = numpy.array([1.0, 2.0])

执行时，要把具体数据用feed_dict参数传入run函数：

sess = tf.Session()
output_val = sess.run(output, feed_dict={input1: data1, input2: data2})
print(output_val)

实际应用中，往往在读取数据函数中维护一个计数变量，每次调用返回一个batch的数据：

for step in xrange(100):
    data1, data2 = read_next_batch()
    output_val = sess.run(output, feed_dict={input1: data1, input2: data2})

这里的read_next_batch函数返回的是真实数据，不是符号运算。