tf.placeholder快速理解

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

     #  dtype：数据类型，常用的是tf.float32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[1,6], [4, None]表示行是4，列不定）

     #   name：名称

2。作用：在神经网络构建graph的时候在模型中的占位

这是因为：tensorflow的设计理念称之为计算流图，在编写程序时，首先构筑整个系统的graph，代码并不会直接生效，这一点和python的其他数值计算库（如Numpy等）不同，graph为静态的，类似于docker中的镜像。然后，在实际的运行时，启动一个session，程序才会真正的运行。tf.placeholder（）就是为模型中的变量占位的，也就是说只是先占用内存，实际模型中需要的数据要等待在session打开后使用feed_dict() 真正喂给它。这样做的好处就是：避免反复地切换底层程序实际运行的上下文，tensorflow帮你优化整个系统的代码。我们知道，很多python程序的底层为C语言或者其他语言，执行一行脚本，就要切换一次，是有成本的，tensorflow通过计算流图的方式，帮你优化整个session需要执行的代码，提升代码执行的效率。

 

 

参考1：
作者：phusFuNs
链接：https://www.jianshu.com/p/ec261a65e3c9
来源：简书

参考2：
https://blog.csdn.net/kdongyi/article/details/82343712