通化市网站建设,阿里网站seo,类似于美团的网站开发,企业网站营销的典型案例占位符与数据喂入机制
placeholder是TensorFlow提供的占位符节点#xff0c;由tf.placeholder()函数创建#xff0c;其实质上也是一种变量。占位符没有初始值#xff0c;只会分配必要的内存#xff0c;其值由会话中用户调用的run()函数传递。
占位符声明的方法如表
函数…占位符与数据喂入机制
placeholder是TensorFlow提供的占位符节点由tf.placeholder()函数创建其实质上也是一种变量。占位符没有初始值只会分配必要的内存其值由会话中用户调用的run()函数传递。
占位符声明的方法如表
函数说明 tf.placeholder( dtype, shapeNone,nameNone ) 创建一个指定形状的占位符节点。 dtype数据类型必选默认为value的数据类型。 shape数据形状必选默认为None,即一维值。也可以是多维如[2,3],[None,3]表示列为3行不定 name占位符名可选。默认值不重复
数据喂入
TensorFlow的数据供给机制允许在TensorFlow计算图中将数据注入任意张量中然而却需要设置placeholder节点通过run()函数输入feed_dict参数可以启动运算过程。
placeholder节点被声明的时候是未被初始化的也不包括任何数据如果没有为它供给数据则TensorFlow计算图运算的时候会产生错误。
以下代码演示了如何向模型中喂入数据
import tensorflow as tf
a tf.placeholder(dtypetf.int16)
b tf.placeholder(dtypetf.int16) #2-3行定义a和b两个整型占位符节点
add tf.add(a,b) #a与b相加
mul tf.multiply(a,b) #a与b相乘
with tf.Session() as sess:print(相加: %i % sess.run(add,feed_dict{a:3,b:4}))print(相乘: %i % sess.run(mul,feed_dict{a:3,b:4})) 模型的保存和恢复https://blog.csdn.net/weixin_45626468/article/details/115662057
