TensorFlow中的Placeholder
2023-02-18 16:41:01 时间
简单运用
这一次我们会讲到 Tensorflow 中的 placeholder
, placeholder
是 Tensorflow 中的占位符,暂时储存变量.
Tensorflow 如果想要从外部传入data, 那就需要用到 tf.placeholder()
, 然后以这种形式传输数据 sess.run(***, feed_dict={input: **})
.
import tensorflow as tf
#在 Tensorflow 中需要定义 placeholder 的 type ,一般为 float32 形式
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
# mul = multiply 是将input1和input2 做乘法运算,并输出为 output
ouput = tf.multiply(input1, input2)
接下来, 传值的工作交给了sess.run()
, 需要传入的值放在了feed_dict={}
并一一对应每一个input
.placeholder
与feed_dict={}
是绑定在一起出现的。
with tf.Session() as sess:
print(sess.run(ouput, feed_dict={input1: [7.], input2: [2.]}))
# [ 14.]
相关文章
- java原生阻塞队列详解索引
- Java原子操作Atomic类详解
- Java SE 19 虚拟线程
- java的动态代理底层解析
- Java SE 16 record 类型说明与使用
- Java SE 19 新增特性
- Java 对象的内存布局(HotSpot 实现)
- Java 多线程(七):线程池
- Java 多线程(五):锁(三)
- Java 多线程(四):锁(二)
- Java 多线程(三):锁(一)
- Java 多线程(二):并发编程的三大特性
- Java 多线程(一):基础
- Java SE 18 新增特性
- Java SE 17 新增特性
- Java SE 16 新增特性
- Java SE 15 新增特性
- Java SE 14 新增特性
- Java SE 10 Application Class-Data Sharing 示例
- Java SE 13 新增特性