炼数成金Tensorflow学习笔记之2.3_fetch_and_feed

代码及分析

# -*- coding: utf-8 -*-
"""
Created on Sat Mar 14 10:06:12 2020

@author: 寒火qwer
"""

import tensorflow as tf

# Fetch
input1 = tf.constant(3.0)
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([add, mul])
    print(result)  # [7.0, 21.0]

# Feed
# tf.placeholder(dtype,shape=None,name=None)
# 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], [None, 3]表示列是3，行不定）
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)

with tf.Session() as sess:
    # 把feed的数据以字典的形式传入
    print(sess.run(output, feed_dict={input1:8., input2:2.}))  # 16.0

1. tf.multiply(x,y,name=None)
   作用：乘法，相同位置的元素相乘（也是可以广播的）
2. tf.placeholder(dtype,shape=None,name=None)
   作用：在神经网络构建graph的时候在模型中的占位，此时并没有把要输入的数据传入模型，它只会分配必要的内存。等建立session，在会话中，运行模型的时候通过feed_dict()函数向占位符喂入数据。
   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], [None, 3]表示列是3，行不定）