3Tensorflow中的fetch和feed

import tensorflow as tf
 
#Fetch概念 在session中同时运行多个op
input1=tf.constant(3.0)     #constant()是常量不用进行init初始化
input2=tf.constant(2.0)
input3=tf.constant(5.0)
 
add=tf.add(input2, input3)
mul=tf.multiply(input1,add)
 
with tf.Session() as sess:
    result=sess.run([mul,add])  #这里的[]就是Fetch操作
    print(result)
 
#Feed
#创建占位符
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
#定义乘法op,op被调用时可通过Feed的方式将input1、input2传入
output=tf.multiply(input1,input2)
 
with tf.Session() as sess:
    #feed的数据以字典的形式传入
    print(sess.run(output,feed_dict={input1:[7.],input2:[2.]}))
[21.0, 7.0]
[14.]

该系列基础实例参考视频

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值