TensorFlow 支持占位符placeholder。占位符并沒有初始值，它只會分配必要的內存。在會話中，占位符可以使用 feed_dict 饋送數據。

feed_dict是一個字典，在字典中需要給出每一個用到的占位符的取值。

在訓練神經網絡時需要每次提供一個批量的訓練樣本，如果每次迭代選取的數據要通過常量表示，那么TensorFlow 的計算圖會非常大。因為每增加一個常量，TensorFlow 都會在計算圖中增加一個結點。所以說擁有幾百萬次迭代的神經網絡會擁有極其龐大的計算圖，而占位符卻可以解決這一點，它只會擁有占位符這一個結點。

placeholder函數的定義為

tf.placeholder(dtype, shape=None, name=None)

參數：

    dtype：數據類型。常用的是tf.int32，tf.float32，tf.float64，tf.string等數據類型。
    shape：數據形狀。默認是None，也就是一維值。
           也可以表示多維，比如要表示2行3列則應設為[2, 3]。
           形如[None, 3]表示列是3，行不定。
    name：名稱。

返回：Tensor類型

例1

import tensorflow as tfx = tf.placeholder(tf.string)with tf.Session() as sess:  output = sess.run(x, feed_dict={x: 'Hello World'})  print(output)

運行結果：Hello World

例2

import tensorflow as tfx = tf.placeholder(tf.string)y = tf.placeholder(tf.int32)z = tf.placeholder(tf.float32)with tf.Session() as sess:  output = sess.run(x, feed_dict = {x :'Hello World', y:123, z:45.67})  print(output)  output = sess.run(y, feed_dict = {x :'Hello World', y:123, z:45.67})  print(output)  output = sess.run(z, feed_dict = {x :'Hello World', y:123, z:45.67})print(output)

運行結果：

Hello Word
123
45.66999816894531

例3：

import tensorflow as tfimport numpy as npx = tf.placeholder(tf.float32, shape=(3, 3)) y = tf.matmul(x, x)  with tf.Session() as sess:    rand_array = np.random.rand(3, 3)print(sess.run(y, feed_dict = {x: rand_array}))

運行結果：

[[0.62475741  0.40487182  0.5968855 ]
 [0.17491265  0.08546661  0.23616122]
 [0.53931886  0.24997233  0.56168258]]

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林站長站。