TensorFlow 中的constant、variable、placeholder的比较

本文主要是介绍TensorFlow 中的constant、variable、placeholder的比较，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！

首先看看tensorflow的会话控制：

constant：

执行结果是123，有很多人说，为什么不直接print（constant）呢？？还要这么麻烦！！

原因是print（constand）打印不出来！！！

因为tensorflow里面的数据被封装在一个叫做 tensor 的对象中，而不是以整数，浮点数或者字符串形式存在的。。Tensor是张量的意思，张量包含了0到任意维度的量，其中，0维的叫做常数，1维的叫做向量，二维叫做矩阵，多维度的就直接叫张量量。在 constant = tf.constant(123) 代码中，constant是一个 0 维度的字符串 tensor.

variable:

variable就是变量的意思，tf.Variable 主要用于一些可训练变量（trainable variables），例如模型权重（weight）或者偏差值（bias）。 tf.Variable 在声明变量时，必须提供初始值（tf.global_variables_initializer()）。可以认为其声明的就是一个实参。名称的真是含义在于变量，换句话说变量的值会改变

placeholder:

placehold和feed_dict必须一起用，feed_dict用于传入数值,所谓"喂数据"

这篇关于TensorFlow 中的constant、variable、placeholder的比较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！

---