2.3.3 TensorFlow 占位符 tf.placeholder

《TensorFlow 与卷积神经网络 （从算法到入门）》学习笔记

tf.placeholder(
    dtype,          # 占位符数据类型
    shape=None,     # 占位符的shape
    name=None       # 占位符的名称
)

tf.placeholder() 既可以看成常量又可以看成变量，是因为在将数据填入到占位符后，其值在图中就不能再做修改（即不能通过asign等函数修改值），但是在图之外又可以不断传入不同的值，比如在训练的时候，可以向图中不断传入不同的图片数据。

import tensorflow as tf

B = [[1, 1],
     [1, 1],
     [1, 1]]

A_tf = tf.placeholder(dtype=tf.float32, shape=[2, 3])
B_tf = tf.constant(B, dtype=tf.float32, shape=[3, 2])
C_tf = tf.matmul(A_tf, B_tf)

with tf.Session() as sess:
    A1 = [[1, 2, 3], [1, 2, 3]]
    A2 = [[4, 5, 6], [4, 5, 6]]
    A_list = [A1, A2]
    for A in A_list:
        C = sess.run(C_tf, feed_dict={A_tf: A})
        print('\nC value:', C)


# 输出为：
# C value: [[6 6]
#           [6 6]]
# 
# C value: [[15 15]
#           [15 15]]

feed_dict参数是一个字典对象，所有占位符的值都可以通过 feed_dict 参数传入