首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >tf.placeholder函数说明

tf.placeholder函数说明

作者头像
狼啸风云
修改2022-09-02 20:13:34
1.1K0
修改2022-09-02 20:13:34
举报

函数形式:

tf.placeholder(

    dtype,

    shape=None,

    name=None

)

参数:

  1. dtype:数据类型。常用的是tf.float32,tf.float64等数值类型
  2. 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)
  3. name:名称

为什么要用placeholder?

       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。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,还是很有优势的。

       所以placeholder()函数是在神经网络构建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。

代码示例:

import tensorflow as tf

import numpy as np


input1 = tf.placeholder(tf.float32)

input2 = tf.placeholder(tf.float32)


output = tf.multiply(input1, input2)


with tf.Session() as sess:

print(sess.run(output, feed_dict = {input1:[3.], input2: [4.]}))


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})) 
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2020-10-04 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 为什么要用placeholder?
  • 代码示例:
相关产品与服务
容器服务
腾讯云容器服务(Tencent Kubernetes Engine, TKE)基于原生 kubernetes 提供以容器为核心的、高度可扩展的高性能容器管理服务,覆盖 Serverless、边缘计算、分布式云等多种业务部署场景,业内首创单个集群兼容多种计算节点的容器资源管理模式。同时产品作为云原生 Finops 领先布道者,主导开源项目Crane,全面助力客户实现资源优化、成本控制。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档