# TensorFlow中的feed与fetch

TensorFlow中的feed与fetch

### 一：占位符(placeholder)与feed

`def placeholder(dtype, shape=None, name=None):`

#### 1. 单个数值占位符定义

`a = tf.placeholder(tf.float32)b = tf.placeholder(tf.float32)c = tf.add(a, b)`

`with tf.Session() as sess: result = sess.run(c, feed_dict={a:3, b:4}) print(result)`

### 2. 多维数据

`_x = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="x")_y = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="y")z = tf.add(_x, _y);`

`with tf.Session() as sess: result = sess.run(z, feed_dict={_x:[[3, 4], [1, 2]], _y:[[8, 8],[9, 9]]}) print(result)`

### 二：fetch用法

#### 1. fetch单个值

`import tensorflow as tfa = tf.Variable(tf.random_normal([3, 3], stddev=3.0), dtype=tf.float32)b = tf.Variable(tf.random_normal([3, 3], stddev=3.0), dtype=tf.float32)c = tf.matmul(a, b);init = tf.global_variables_initializer()with tf.Session() as sess: sess.run(init) c_res = sess.run(c) print(c_res)`

### 2. fetch多个值

`import tensorflow as tf_x = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="x")_y = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="y")z = tf.add(_x, _y);data = tf.random_normal([2, 2], stddev=5.0)Y = tf.add(data, z)with tf.Session() as sess: z_res, Y_res = sess.run((z, Y), feed_dict={_x:[[3, 4], [1, 2]], _y:[[8, 8],[9, 9]]}) print(z_res) print(Y_res)`

```import tensorflow as tfimport cv2 as cv# 通过opencv读取图像并显示src = cv.imread("D:/javaopencv/test.png")cv.imshow("input", src)_image = tf.placeholder(shape=[None, None, 3], dtype=tf.uint8, name="image")
# ROI区域截取
roi_image = tf.slice(_image, [40, 130, 0], [180, 180, -1])#定义会话并执行with tf.Session() as sess: slice = sess.run(roi_image, feed_dict={_image:src}) print(slice.shape) cv.imshow("roi", slice) cv.waitKey(0) cv.destroyAllWindows()```

0 条评论

• ### tensorflow中实现神经网络训练手写数字数据集mnist

基于tensorflow实现一个简单的三层神经网络，并使用它训练mnist数据集，神经网络三层分别为：

• ### TensorFlow中常量与变量的基本操作演示

TensorFlow中常量与变量的基本操作演示 本文将介绍TensorFlow中的基本算法运算与矩阵运算，介绍Tensorflow中常量、变量、操作符等基本运算...

• ### 干货 | Tensorflow设计简单分类网络实现猫狗图像分类训练与测试

第一层：32个feature map 5x5卷积、步长为2、最大值池化 局部相应归一化处理（LRN） 第二层：64个feature map 3x3卷积、步长为...

• ### 使用tensorflow实现VGG网络,训练mnist数据集方式

VGG作为流行的几个模型之一,训练图形数据效果不错，在mnist数据集是常用的入门集数据，VGG层数非常多，如果严格按照规范来实现，并用来训练mnist数据集，...

• ### 译文 | 简明 TensorFlow 教程：所有的模型

01 概述 在本文中，我们将讨论 TensorFlow 中当前可用的所有抽象模型，并描述该特定模型的用例以及简单的示例代码。 完整的工作示例源码（https:/...

• ### Tensorflow | 函数名字的更新

上面列的是常见的变化。更多的了解，请看https://www.tensorflow.org/install/migration 官网给出了tensorflow更...

• ### 【tensorflow2.0】张量的结构操作

张量数学运算主要有：标量运算，向量运算，矩阵运算。另外我们会介绍张量运算的广播机制。

• ### 深度学习Tensorflow生产环境部署（下·模型部署篇）

部署完docker后，如果是cpu环境，可以直接拉取tensorflow/serving，如果是GPU环境则麻烦点，具体参考前一篇，这里就不再赘述了。

### OpenCV学堂

OpenCV开发专家计算机视觉开发