学习笔记6：TensorFlow编程语法--占位符

Zachery.

已于 2022-03-27 22:29:03 修改

阅读量1.3k

点赞数 13

分类专栏：学习之旅文章标签： tensorflow python 人工智能

于 2021-12-05 22:10:36 首次发布

本文链接：https://blog.csdn.net/weixin_48270094/article/details/121736614

版权

本文介绍了TensorFlow中的占位符概念，主要用于在运行时提供不确定值，如训练数据。占位符定义需要指定数据类型dtype，形状shape可选。在执行计算图时，必须通过feed_dict传递占位符的值，否则会引发错误。

摘要由CSDN通过智能技术生成

TensorFlow中的Variable变量类型，在定义时需要初始化，但有些变量定义时并不知道其数值，只有当真正开始运行程序时，才由外部输入，比如训练数据，这时候需要用到占位符。

TensorFlow占位符Placeholder，先定义一种数据，其参数为数据的Type和Shape

tf.placeholder(dtype, shape=None, name=None)，dtype必须填写。

如果构建了一个包含placeholder操作的计算图，当在session中调用run方法时，placeholder占用的变量必须通过feed_dict参数传递进去，否则报错。

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()     # 解决方案：注释tf的引用，换为兼容模式。

a = tf.placeholder(tf.float32, name='a')
b = tf.placeholder(tf.float32, name='b')
c = tf.multiply(a, b, name='c')
init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    # 通过feed_dict的参数传值，按字典格式
    result = sess.run(c, feed_dict={a: 8.0, b: 3.5})
    print(result)

# 一次返回多个值分别赋给多个变量方法1
a1 = tf.placeholder(tf.float32, name='a1')
b1 &#