tf.place_holder的用法

本文主要是介绍tf.place_holder的用法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

---

使用placeholder的作用：

在构建tensorflow的数据流图graph的时候，graph并不会直接执行，而是等到执行sess.Run的时候才会执行，这样便于图的优化．placeholder是用来在模型中占位的，它只会分配必要的内存，并没有传入真正的数据。先占个座，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。

import tensorflow as tf
import numpy as npa = tf.placeholder(dtype=tf.float32, name='a')
b = tf.placeholder(dtype=tf.float32, name='b')output = tf.multiply(a, b)with tf.Session() as sess:print sess.run(output, feed_dict = {a:[3.], b:[２.]})

输出：

[６.]

---

 

这篇关于tf.place_holder的用法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---