Tensorflow常用函数（一）

tf.placeholder（）

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

此函数可以理解为形参，用于定义过程，不必指定初始值，可在执行的时候再赋具体的值，如通过 Session.run 的函数的 feed_dict 参数指定

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], [None, 3]表示列是3，行不定
  name：名称。

返回值：tensor
小栗子：

import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32, shape=(1024, 1024))  
y = tf.matmul(x, x)  
  
with tf.Session() as sess:  
  #print(sess.run(y))  # ERROR: 此处x还没有赋值.  
  rand_array = np.random.rand(1024, 1024)  
  print(sess.run(y, feed_dict={x: rand_array}))  # succeed. 

结果：

[[260.20978 257.93347 256.23767 ... 253.33116 251.30048 248.8887 ]
 [255.53735 252.85818 259.64197 ... 251.9226  248.15051 247.16235]
 [262.88965 264.9173  265.6786  ... 257.01196 254.73787 257.24002]
 ...
 [265.83624 258.34314 266.70068 ... 257.41058 256.4747  253.34645]
 [267.03723 265.38562 261.83093 ... 257.02203 259.47336 252.12973]
 [258.04462 252.23825 258.32202 ... 248.36617 253.3432  242.53035]]

另一个栗子：用于得到传递进来的真实的训练样本：

images_placeholder = tf.placeholder(tf.float32, shape=[batch_size, IMAGE_PIXELS])
labels_placeholder = tf.placeholder(tf.int32, shape=[batch_size])
for step in range(FLAGS.max_steps):
    feed_dict = {
        images_placeholder = images_feed,
        labels_placeholder = labels_feed
    }
    _, loss_value = sess.run([train_op, loss], feed_dict=feed_dict)

tf.ones（）|tf.zeros（）

tf.ones(shape,type=tf.float32,name=None) 
tf.zeros([2, 3], int32) 

用法类似，都是产生尺寸为shape的张量(tensor)
栗子：

sess = tf.InteractiveSession()
x = tf.ones([2, 3], tf.int32)
print(sess.run(x))

结果：

[[1 1 1],
 [1 1 1]]