tensorflow 占位符

 

tensorflow的占位符本质就是先声明数据类型，以便建立模型时申请内存。

在这里声明的：https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/python/ops/array_ops.py

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

需要知道下面这些：

tensorflow 的基本原理hin简单，他是静态图的激活：

建立一个空的架子，就像很多个有关节的管道。然后等你的数据进来，不断地优化这个管道，有的节点被砍掉，有的被变粗。所以tensorflow其实就是tensor的流动。tensor可以理解为多维数据，比如7*7*14

很多的教程都说model就是一张静态的GRAPH，tensorflow提供的方法init 一个session，sess = tf.Session()  然后sess.run()就是一个指针，指到图的哪里，就激活哪里。

那么图的建立，数据的输入，激活，目前看来是这三个部分的。你可以任意建立一个静态的模型，而不需要给他数据，而他也不会被唤醒运行，除非你sess.run()

那么，想过一个问题没有，静态图也是需要知道你的数据有多大的，毕竟你得先把架子真的搭建起来数据才能进来，那就需要我们先用占位符在模型静态图这样我们的程序（底层）才能和去申请排队占用内存。很多高级的语言在声明变量的时候不需要指明类型，比如python a=[],但是在c里面我们需要指明变量类型的，int a = 1.这就是因为C语言需要跟你的操作系统沟通。这就是tensorflow占位符的作用

import tensorflow as tf
#built model
a = tf.placeholder(dtype = np.float32)
b = tf.constant(3.3333)
c = tf.add(a,b)
with tf.Session() as sess:
    print(sess.run(c,feed_dict={a:1.111,b:4.4444}))

这里sess.run()是方法，feed_dict是他的参数。是一个字典。