这样的常量运算结果并没有什么价值,因为他总是恒定的产生固定的结果。图中的节点能够以参数的方式接受外部输入——比如使用占位符。...占位符可以等到模型运行时再使用动态计算的数值:
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a...下面的 x 是一个占位符,{x:[1,2,3,4]} 表示在运算中把x的值替换为[1,2,3,4]:
print(sess.run(linear_model, {x:[1,2,3,4]}))
输出:...下面的代码定义名为 y 的占位符来提供所需的值,然后编写一个“损益功能”(loss function)。
一个“损益功能”是用来衡量当前的模型对于想达到的输出目标还有多少距离的工具。...如下列代码:
# 定义占位符
y = tf.placeholder(tf.float32)
# 方差运算
squared_deltas = tf.square(linear_model - y)
# 定义损益模型