关于tensorflow的placeholder

使用方法

官方的解释：(我这里为了清晰直接在代码上进行注释)

>>> import tensorflow as tf
>>> help(tf.placeholder)
#它的功能主要在于制定一个数据，并且在其中填充占位符，指定数据类型之后更加方便内存空间的分配
Help on function placeholder in module tensorflow.python.ops.array_ops:
#可以指定的参数类型：数据类型，数组形状，名称
placeholder(dtype, shape=None, name=None)
    #先定义一个张量，后续再对数据进行填充
    Inserts a placeholder for a tensor that will be always fed.
    #重点：它的值需要用feed_dict功能的参数指定，并且用Session.run()，Tensor.eval()，operation.run（）等来运行和赋值
    **Important**: This tensor will produce an error if evaluated. Its value must
    be fed using the `feed_dict` optional argument to `Session.run()`,
    `Tensor.eval()`, or `Operation.run()`.
    #实例
    For example:
    
    ```python
    #首先给定占位符（tensorflow的图节点，x,y都是节点）
    x = tf.placeholder(float, shape=(1024, 1024))
    y = tf.matmul(x, x)
    
    with tf.Session() as sess:
      #由于没有用feed_dict来进行赋值，因此无法进行运算，会报错
      print sess.run(y)  # ERROR: will fail because x was not fed.
    
      rand_array = np.random.rand(1024, 1024)
      print sess.run(y, feed_dict={x: rand_array})  # Will succeed.
    ```
    #参数说明
    Args:
      #数据类型（numpy数组中的数据都是同一类型的）
      dtype: The type of elements in the tensor to be fed.
      #指定形状（利用一个元组的形式，如（10,10））
      shape: The shape of the tensor to be fed (optional). If the shape is not
        specified, you can feed a tensor of any shape.
      #指定名称
      name: A name for the operation (optional).
    #返回值
    Returns:
      #返回一个张量的句柄，可以对其进行赋值，但是不能直接进行运算
      A `Tensor` that may be used as a handle for feeding a value, but not
      evaluated directly.