Tensorflow——Fetch和Feed操作

一、Fetch操作

Tensorflow中的Fetch操作是指：定义会话，调用op实现相应功能时，Fetch操作可以sess.run()多个op(同时run多个op)，将多个op组成数组（或者说列表），传入run中可以得到多个op的输出结果。

实例展示

• 定义一些常量和op

import tensorflow as tf
#Fetch的作用：会话里执行多个op，得到它运行后的结果
input1 = tf.constant(3.0)
input2 = tf.constant(2.0)
input3 = tf.constant(5.0)
add = tf.add(input2,input3)
mul = tf.multiply(input1, add)

• 实现Fetch操作

with tf.Session() as sess:
    #会话中执行多个op,这里的op是mul和add
    result = sess.run([mul,add])
    print(result)

• 结果

 

二、Feed操作（以后会经常用到）

Feed的字面意思是喂，流入。在tensorflow中，先声明一个或者几个tensor，先用占位符（placeholder）给他们留几个位置。等到后面定义会话，使用run对op进行操作时，再一其他形式，例如字典（feed_dict（））的形式把op的参数值传进去，以达到使用时在传入参数的目的。

实例展示

• 先使用占位符（placeholder）对tensor进行声明，同时定义op

import tensorflow as tf
#Feed操作是在一开始不定义参数的具体值，在会话中运行时，再传入具体的值
#创建占位符
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)

• 实现Feed操作

with tf.Session() as sess:
    #Feed的数据以字典（feed_dict）的形式传入
    print(sess.run(output,feed_dict = {input1:[10.], input2:[2.]}))

• 结果