Tensorflow中的placeholder和Variable | MI-機器智能 | Tensorflow技能樹

05-10

更多AI資訊，關注微信公眾號，搜索：九三智能控

二者的主要區別

tf.Variable：主要在於一些可訓練變數（trainable variables），比如模型的權重（weights，W）或者偏執值（bias）；
聲明時，必須提供初始值；
名稱的真實含義，在於變數，也即在真實訓練時，其值是會改變的，自然事先需要指定初始值；

weights = tf.Variable( tf.truncated_normal([IMAGE_PIXELS, hidden1_units], stddev=1./math.sqrt(float(IMAGE_PIXELS)), name=weights) ) biases = tf.Variable(tf.zeros([hidden1_units]), name=biases)

tf.placeholder：用於得到傳遞進來的真實的訓練樣本：
不必指定初始值，可在運行時，通過 Session.run 的函數的 feed_dict 參數指定；
這也是其命名的原因所在，僅僅作為一種佔位符；

images_placeholder = tf.placeholder(tf.float32, shape=[batch_size, IMAGE_PIXELS]) labels_placeholder = tf.placeholder(tf.int32, shape=[batch_size])

二者真實的使用場景

for step in range(FLAGS.max_steps): feed_dict = { images_placeholder = images_feed, labels_placeholder = labels_feed } _, loss_value = sess.run([train_op, loss], feed_dict=feed_dict)

當執行這些操作時，tf.Variable 的值將會改變，也即被修改，這也是其名稱的來源（variable，變數）。

函數說明

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

參數：

dtype：數據類型。常用的是tf.float32,tf.float64等數值類型
shape：數據形狀。默認是None，就是一維值，也可以是多維，比如[2,3], [None, 3]表示列是3，行不定
name：名稱。

[html] view plain copy

x = tf.placeholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)
with tf.Session() as sess:
print(sess.run(y)) # ERROR: 此處x還沒有賦值.
rand_array = np.random.rand(1024, 1024)
print(sess.run(y, feed_dict={x: rand_array})) # Will succeed.

返回：Tensor 類型

placeholder（type,strucuct…)是tensorflow中又一保存數據的利器，它的第一個參數是你要保存的數據的數據類型，大多數是tensorflow中的float32數據類型，後面的參數就是要保存數據的結構，比如要保存一個1×2的矩陣，則struct=[1 2]。它在使用的時候和前面的variable不同的是在session運行階段，需要給placeholder提供數據，利用feed_dict的字典結構給placeholdr變數「喂數據」。

舉個栗子

# -*- coding: utf-8 -*-

"""

Created on

@author:

"""

import tensorflow as tf

a=tf.placeholder(tf.float32)

b=tf.placeholder(tf.float32)

c=tf.add(a,b)

with tf.Session() as sess:

print(sess.run(c,feed_dict={a:10,b:30})) #把10賦給a，30賦給b

運行結果：

40.0

輸入一個數據類型為float32，數據格式為[……]，名稱為x-input的參數

參考資料

What』s the difference between tf.placeholder and tf.Variable

https://blog.csdn.net/zj360202/article/details/70243127

微信群&交流合作

加入微信群：不定期分享資料，拓展行業人脈請在公眾號留言：「微信號+名字+研究領域/專業/學校/公司」，我們將很快與您聯繫。
投稿、交流合作請留言聯繫。

http://weixin.qq.com/r/AC91bd-EloLprZsO93oS (二維碼自動識別)