1.placeholder傳入值

可以理解為提前占據一個存儲空間，比如說你在一個城市中心買了一套房子，這個房子你也不知道是用來放貨物還是用來住人的，但是你可以提前將這棟房子買下來，等以后再說以后的事情。

tf.placeholder(type,shape)?? ,像是 a = tf.placeholder(tf.float32,[2,3],keep_prob:0.5)

第一個參數tf.float32是a的類型

第二個參數[2,3]是要輸入的矩陣的維數，即輸入一個兩行三列的矩陣

第三個參數 keep_prob 是設置神經元被選中的概率，在初始化是keep_prob是一個占位符keep_prob = tf.placeholder(tf.float32),但是在神經網絡run時設置具體的值，像是keep_prob:0.5,即隨機選取一半的神經元進行激活，在不同的訓練過程中隨機扔掉一部分神經元，也就是讓某個神經元的激活值以一定的概率p，讓其停止工作，這次訓練過程中不更新權值，也不參加神經網絡的計算。但是它的權重得保留下來（只是暫時不更新而已），因為下次樣本輸入時它可能又得工作了。

示意圖如下：

2.feed_dict喂食器

在這里我的理解是將要輸入的數據直接喂入placeholder傳入值中，但是不是什么數據類型都可以喂入，比如說剛才我在placeholder傳入值的時候設定是float型和維度為兩行三列的矩陣，那么必須要喂入符合要求的矩陣，要不然會出錯，比如能吃一個饅頭，你讓人家吃兩個或吃半個都不好對吧

3.廢話不多說，直接上例子

# -*- coding: utf-8 -*- """ Created on Sat Mar 17 20:35:14 2018@author: DuYanfang """import tensorflow as tf a = tf.placeholder(tf.int32) b = tf.placeholder(tf.int32) c= tf.multiply(a,b) with tf.Session() as sess:print(sess.run(c,feed_dict = {a:100,b:200}))x1 = tf.placeholder(tf.float32,[2,3]) x2 = tf.placeholder(tf.float32,[3,2]) x3 = tf.matmul(x1,x2) with tf.Session() as sess:print(sess.run(x3,feed_dict = {x1:[[1,2,3],[4,5,6]],x2:[[1,2],[3,4],[5,6]]}))

運行結果：

20000 [[ 22. 28.][ 49. 64.]]

總結

以上是生活随笔為你收集整理的Tensorflow中placeholder传入值与feed_dict喂食器的联系与用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。