对tensorflow中的tensor、placeholder及feed

以前不知道tf.placeholder的feed_dict格式要求，以为随便是什么格式都可以，直到自己在做测试的时候出现以下错误才知道tf.placeholder 的feed_dict填充内容不可以是tensor格式的，对自己来说反而方便很多。

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.

placeholder的作用：1）占位符作用，为待处理数据生成tensor对象，在未来的graph中占据一席之地，但这些tensor只有格式和shape，没有实际内容。

2）placeholder与feed_dict结合的另外一个潜在作用是，将numpy等格式的输入数据转换成tensor需要的格式，方便在tensorflow中流动。

自己对tensorflow的一些理解：

1）tensorflow中的tensor不是数学意义上的张量，数学意义上的张量是实实在在的数据，tensorflow中的tensor的实际意义是操作（operation，op）或者函数。如：

y = f(x)

z=g(y)

则：z=g(f(x))

在传统的数学意义上，张量对应的是实实在在的数据x,y,z,

在tenforflow中，tensor的意义是操作，是函数，即tf.tensor对应的是 f(),g(),g(f()),是一种映射关系，没有、也不代表真实数据

因此，在获取张量的值的时候需要用sess.run(tensor)，因为，tensor仅仅代表映射关系，如果不执行这个映射，就不会有映射的结果输出。

2）tensorflow中的graph实际上是一个映射关系树，graph上的每个节点可以看作是基本映射关系的组合，但仍旧是映射关系。

可以把tensorflow中的graph比作一个水暖的暖气系统。

每个暖气片可以看作tensor,该tensor的作用是散热。

暖气片下方有个放水的水龙头，代表tensorflow中的 sess.run()功能，执行sess.run()相当于打开水龙头，得到暖气系统流经该暖气片之后的水。

tensorflow的placeholder可以看作暖气系统的加水处，水是输入数据。

如果不加水，整个暖气系统也是完整的，但不能起到任何作用。

加水之后，水就可以流到各个可以到达的张量处，但要想得到张量中的数据，需要打开它的水龙头,即对该张量执行sess.run()

tensorflow的每个节点，可以看作一系列暖气片的串并联等方式的组合，最后给出一个水龙头。即，每个暖气片都有一个自己的水龙头，每个暖气片组有再添加一个总的与主干道接通的水龙头。

所以，要想从tensorflow中的某个张量处得到水，首先需要在注水处添上水，然后需要打开对应暖气片或暖气片组的水龙头。

3）要想得到映射关系的结果，首先需要填入输入数据(feed_dict)，然后需要驱动该映射的执行（sess.run()）

前程任重而道远，自己虽然很水，还需脚踏实地力前行。

文章原创，如有不当，欢迎拍砖指正，如需转载，请注明出处！https://blog.csdn.net/Strive_For_Future/article/details/82463923

对tensorflow中的tensor、placeholder及feed_dict的理解相关推荐

5个简单步骤掌握TensorFlow中的Tensor
在这篇文章中,我们将深入研究Tensorflow Tensor的实现细节.我们将在以下五个简单步骤中介绍与Tensorflow的Tensor中相关的所有主题: 第一步:张量的定义→什么是张量? 第二步 ...
如何保存Tensorflow中的Tensor参数，保存训练中的中间参数，存储卷积层的数据
在自己构建的卷积神经时,我想把卷积层的数据提取出来,但是这些数据是Tensor类型的网上几乎找不到怎么存储的例子,然后被我发下了一下解决办法 https://stackoverflow.com/qu ...
tensorflow中对lstm及双向lstm的理解
双向RNN(LSTM)的实现参考: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_Neural ...
TensorFlow 中文文档介绍
介绍本章的目的是让你了解和运行 TensorFlow 在开始之前, 先看一段使用 Python API 撰写的 TensorFlow 示例代码, 对将要学习的内容有初步的印象. 这段很短的 Pyth ...
tensorflow中的正则化函数在_『TensorFlow』正则化添加方法整理
一.基础正则化函数 tf.contrib.layers.l1_regularizer(scale, scope=None) 返回一个用来执行L1正则化的函数,函数的签名是func(weights). ...
Tensorflow 中添加正则化项
为防止网络过拟合,在损失函数上增加一个网络参数的正则化项是一个常用方法,下面介绍如何在Tensorflow中添加正则化项. tensorflow中对参数使用正则项分为两步: step1: 创建一个正则 ...
Tensorflow中placeholder传入值与feed_dict喂食器的联系与用法
1.placeholder传入值可以理解为提前占据一个存储空间,比如说你在一个城市中心买了一套房子,这个房子你也不知道是用来放货物还是用来住人的,但是你可以提前将这栋房子买下来,等以后再说以后的事情 ...
tensorflow中的placeholder()
tensorflow 中在运行时动态设置某个变量的值,先使用placeholder占位.运行时动态给占位符"喂"数据. 用tf.placeholder占位 import tenso ...
TensorFlow中Session.run和Tensor.eval的区别
之前在TensorFlow中运行代码时,在会话中会需要运行节点,会碰到两种方式:Session.run()和Tensor.eval(),刚开始不太懂这两者之间的差异,最后通过查找官方文档和一些资料了解 ...

对tensorflow中的tensor、placeholder及feed_dict的理解

对tensorflow中的tensor、placeholder及feed_dict的理解相关推荐

最新文章

热门文章