TensorFlow构建二维数据拟合模型（3）

心已赠人 2022-11-18 15:58 80阅读 0赞

# 占位符与数据喂入机制 #

placeholder是TensorFlow提供的占位符节点，由tf.placeholder()函数创建，其实质上也是一种变量。占位符没有初始值，只会分配必要的内存，其值由会话中用户调用的run()函数传递。

占位符声明的方法如表

<table> 
 <tbody> 
  <tr> 
   <td>函数</td> 
   <td>说明</td> 
  </tr> 
  <tr> 
   <td> <p>tf.placeholder(</p> <p>dtype,</p> <p>shape=None,name=None</p> <p>)</p> </td> 
   <td> <p>创建一个指定形状的占位符节点。</p> <p>dtype：数据类型，必选，默认为value的数据类型。</p> <p>shape：数据形状，必选，默认为None,即一维值。也可以是多维，如[2,3],[None,3]表示列为3，行不定</p> <p>name：占位符名，可选。默认值不重复</p> </td> 
  </tr> 
 </tbody> 
</table>

# 数据喂入 #

TensorFlow的数据供给机制允许在TensorFlow计算图中将数据注入任意张量中，然而却需要设置placeholder节点，通过run()函数输入feed\_dict参数，可以启动运算过程。

placeholder节点被声明的时候是未被初始化的，也不包括任何数据，如果没有为它供给数据，则TensorFlow计算图运算的时候会产生错误。

以下代码演示了如何向模型中喂入数据

import tensorflow as tf
    a = tf.placeholder(dtype=tf.int16)
    b = tf.placeholder(dtype=tf.int16)  #2-3行定义a和b两个整型占位符节点
    add = tf.add(a,b)  #a与b相加
    mul = tf.multiply(a,b)  #a与b相乘
    with tf.Session() as sess:
        print('相加: %i' % sess.run(add,feed_dict={a:3,b:4}))
        print('相乘: %i' % sess.run(mul,feed_dict={a:3,b:4}))

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTYyNjQ2OA_size_16_color_FFFFFF_t_70][]

模型的保存和恢复：[https://blog.csdn.net/weixin\_45626468/article/details/115662057][https_blog.csdn.net_weixin_45626468_article_details_115662057]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTYyNjQ2OA_size_16_color_FFFFFF_t_70]: /images/20221022/e836fa7d188f477e81c4f0b79982bb90.png
[https_blog.csdn.net_weixin_45626468_article_details_115662057]: https://blog.csdn.net/weixin_45626468/article/details/115662057