知乎地址:https://zhuanlan.zhihu.com/p/30487008
import tensorflow as tf a=tf.placeholder(tf.int16) # 接受的数据类型 b=tf.placeholder(tf.int16) add=tf.add(a,b) mul=tf.mul(a,b) with tf.Session() as sess: print("Addition with variables:%i" %sess.run(add,feed_dict={a:2,b:3})) #喂数据图谱,这里的数据类相要符合上面的类型。把2赋给a,3赋给b print("multiplication with variables:%i"%sess.run(mul,feed_dict={a:2,b:3}))
placeholder是TensorFlow的占位符节点,由placeholder方法创建,其也是一种常量,但是由用户在调用run方法是传递的,也可以将placeholder理解为一种形参。即其不像constant那样直接可以使用,需要用户传递常数值。
在tensorflow中的placeholder 定义如下
tf.placeholder(dtype, shape=None, name=None)
简单理解下就是占位符的意思,先放在这里,然后在需要的时候给网络传输数据
直接传递给run()回报错哦,必须通过 feed_dict方法 传递给 Session.run()
, Tensor.eval()
,或者Operation.run()
import tensorflow as tf m1=tf.constant([[3.,3.]]) m2=tf.constant([[2.],[2.]]) product=tf.multiply(matrix1,matrix2) #矩阵乘法 with tf.Session() as sess: result=sess.run(product) print(result)
原文地址:https://www.cnblogs.com/captain-dl/p/9241246.html
时间: 2024-10-22 20:26:15