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。
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...
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...
本文标题：tf.placeholder作用
本文链接：https://www.haomeiwen.com/subject/tfebpftx.html
网友评论