什么是placeholder

直白的说就是一个固定了数据类型的容器。

为什么要用

在做训练的时候要，要分批地送数据，方便传入外部数据

定义

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

参数说明

• 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

使用实例

import tensorflow as tf
import numpy.random as random

#占位符中的shape不设时会按传入参数自行匹配，这里定义是4x5的矩阵
node1 = tf.placeholder(tf.float32)  # , shape=[4, 5])
node2 = tf.placeholder(tf.float32)  # , shape=[4, 5])
#定义具体的操作 op
op = tf.multiply(node1, node2)
#定义2个常量
const1 = tf.constant(random.rand(4, 5))
const2 = tf.constant(random.rand(4, 5))
#执行
with tf.Session() as sess:
      print(sess.run(op,
             {
                   node1: sess.run(const1), 
                   node2: sess.run(const2)
              }
          )
      )