tf.placeholder作用

举个栗子：

x = tf.placeholder(tf.float32,[None,784])

为什么要使用tf.placeholder?

因为每一个tensor值在graph上都是一个op，
当我们将train数据分成一个个minibatch然后传入网络进行训练时，
每一个minibatch都将是一个op，
这样的话，一副graph上的op未免太多，也会产生巨大的开销；

于是就有了tf.placeholder，
我们每次可以将 一个minibatch传入到x = tf.placeholder(tf.float32,[None,32])上，
下一次传入的x都替换掉上一次传入的x，
这样就对于所有传入的minibatch x就只会产生一个op，
不会产生其他多余的op，进而减少了graph的开销。