tensorflow中的placeholder()以及tf.initialize_all_variables()函数的理解

为什么要用placeholder？

tensorflow的设计理念就是先构造整个计算过程,也就是在编写程序时,先构造整个系统的graph,代码不会立即的生效,而是在运行的时候,启动一个Session,程序才会真正的运行.所以placeholder()函数的作用就是在神经网络在构建graph的时候占位,这个时候并没有把要输入的数据传入到模型,只是通过占位来分配了必要的内存,等建立会话之后,在运行模型的时候使用feed_dict()函数来向占位符传入数据.

tf.placeholder(
dtype,
shape=None,
name=None
) #函数具体形式
参数：
dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
shape：数据形状。默认是None，就是一维值，也可以是多维（比如[2,3] 两行3列, [None, 3]表示列是3，行不定）
name：名称(可定义可不定义)

tf.initialize_all_variables()函数具体初始化的是什么

初始化的是神经网络中的变量,只有在定义了变量之后才要求是必须加的,没有定义变量就不用加这条语句进行初始化

个人理解

1. TensorFlow与我们正常的编程思维略有不同：TensorFlow中的语句不会立即执行；而是等到开启会话session的时候，才会执行session.run()中的语句。如果run中涉及到其他的节点，也会执行到。
2. Tesorflow模型中的所有的节点都是可以视为运算操作op或tensor