import tensorflow as tf
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
output=tf.multiply(input1,input2)
with tf.Session() as sess:
print(sess.run(output,feed_dict={input1:[7],input2:[2]}))
[14.]
tf.placeholder(dtype, shape=None, name=None)
此函数可以理解为形参，用于定义过程，在执行的时候再赋具体的值
参数：
dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
shape：数据形状。默认是None，就是一维值，也可以是多维，比如[2,3], [None, 3]表示列是3，行不定
name：名称。
然后此处的feed_dict 就是对应的，对形参进行赋值。
tf.placeholder(dtype, shape=None, name=None)### Inserts a...
tf.placeholder(dtype, shape=None, name=None)此函数可以理解为形参，用于...
代码： """tf.placeholder(dtype, shape=None, name=None) 此函数可以...
函数形式：tf.placeholder(dtype,shape=None,name=None) 参数：dtype：...
tf.placeholder ()tf.Variable() https://www.cnblogs.com/si...
feed_dict ：喂数据tf.placeholder：喂参数给损失函数
import tensorflow as tf input1 = tf.placeholder(tf.float3...
import tensorflow as tf input1 =tf.placeholder(tf.float32...
x = tf.placeholder(tf.float32, [None, 784])W = tf.Variabl...
举个栗子： 为什么要使用tf.placeholder? 因为每一个tensor值在graph上都是一个op，当我们...
本文标题：tf.placeholder
本文链接：https://www.haomeiwen.com/subject/pifjdftx.html
网友评论