tensorflow框架學習之placeholder 與variable

1. placeholder —佔位符
   參考莫煩PYTHON視頻P12
   placeholder, 譯爲佔位符，官方說法:”TensorFlow provides a placeholder operation that must be fed with data on execution.” 即必須在執行時feed值。
   placeholder 實例通常用來爲算法的實際輸入值作佔位符。
   例如
   Tensorflow 如果想要從外部傳入data, 那就需要用到 tf.placeholder(), 然後以這種形式傳輸數據 sess.run(***, feed_dict={input: **}).

示例：

import tensorflow as tf

#在 Tensorflow 中需要定義 placeholder 的 type ，一般爲 float32 形式

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)

#mul=multiply是將input1和input2做乘法運算，並輸出爲output

ouput = tf.multiply(input1, input2)

接下來, 傳值的工作交給了 sess.run() , 需要傳入的值放在了feed_dict={} （這在python中相當於一本字典）並一一對應每一個 input. placeholder 與 feed_dict={} 是綁定在一起出現的。

with tf.Session() as sess:
    print(sess.run(ouput, feed_dict={input1: [7.], input2: [2.]}))

輸出
#[14.]

2. variable —變量
   參考：莫煩PYTHON視頻P11
   在 Tensorflow 中，定義了某字符串是變量，它纔是變量，這一點是與 Python 所不同的。
   定義語法： state = tf.Variable()

import tensorflow as tf
state = tf.Variable(0, name='counter')

#定義常量one

one = tf.constant(1)

#定義加法步驟（注：此步並沒有直接計算）

new_value = tf.add(state, one)

#將state更新爲new_value

update = tf.assign(state, new_value)

如果你在 Tensorflow 中設定了變量，那麼初始化變量是最重要的！！所以定義了變量以後, 一定要定義

 init = tf.initialize_all_variables() .

到這裏變量還是沒有被激活，需要再在 sess 裏,

sess.run(init) 

激活 init 這一步.

#如果定義variable，就一定要initialize
#init = tf.initialize_all_variables() # tf 馬上就要廢棄這種寫法
init = tf.global_variables_initializer() # 替換成這樣就好

#使用session

with tf.Session() as sess:
    sess.run(init)
    for _ in range(3):
        sess.run(update)
        print(sess.run(state))

注意：直接 print(state) 不起作用！！
一定要把 sess 的指針指向 state 再進行 print 才能得到想要的結果！