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

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

  1. x = tf.placeholder(tf.float32, shape=(1024, 1024))
  2. y = tf.matmul(x, x)
  3. with tf.Session() as sess:
  4. print(sess.run(y)) # ERROR: 此處x還沒有賦值.
  5. rand_array = np.random.rand(1024, 1024)
  6. 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

blog.csdn.net/zj360202/

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。

weixin.qq.com/r/AC91bd- (二維碼自動識別)


推薦閱讀:

有沒有基於移動端GPU的深度學習前饋網路框架?
在Docker中部署使用Tensorflow && Docker基本用法介紹
機器學習基礎:線性回歸
學習筆記TF041:分散式並行
tensorflow中的tensorboard可視化中的準確率損失率曲線,為什麼有類似毛刺一樣?

TAG:TensorFlow | AI技術 | 機器智能 |