tensorflow学习（3）- Fetch&Feed

前言

上一篇博客：tensorflow学习（2）- 变量的使用
上一节学习了变量的使用，这一节学习Fetch和Feed操作

Fetch代码

import tensorflow as tf
#Fetch 
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)

with tf.Session() as sess:
    result = sess.run([mul,add])
    print(result)

输出结果：

• Fetch的用处就是在一个会话中可以执行多个op

Feed代码

#feed
#创建占位符
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1,input2)

with tf.Session() as sess:
    #通过字典传入
    print(sess.run(output,feed_dict = {input1:[7.0],input2:[2.0]}))

输出结果：

• feed方法需要先给变量赋值占位符
• feed在执行的时候通过python中的字典数据类型赋值

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

• 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