Tensorflow学习（二）——占位符

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

定义一个需要被填充的占位符

如果直接计算这个张量，将会产生一个错误，它的值必须使用Session.run()、Tensor.eval()或Operation.run()中feed_dict参数来填充

2、参数：

dtype:张量中需要被填充的元素的类型

shape:需要被填充的张量的形状，如果没有指定，可以填充任何形状

name:操作的名字

返回值：

用于填充的张量，但是不能被直接计算

1、Session.run函数有个参数feed_dict，以数组的形式填充张量

2、不带shape参数的情况，可以以任意形状填充

3、带shape参数的，只能使用指定形状

4、也可以执行操作运算

1、tf.Tensor.eval(feed_dict=None, session=None)

在一个会话中执行张量

参数：

feed_dict:以数组的形式填充张量

session:用来执行张量的会话，如果设置为None,使用默认的会话

返回：

对应这个张量值的NumPy数组

2、使用Tensor.eval的情况，通过type查看到a是Tensor对象

1、run(    feed_dict=None,    session=None)

参数同Tensorflow.run函数，没有返回值

2、注意：这里关于如何使用Operater.run来计算相应的值，还没有找到具体的使用方法

addop.run()直接返回None，在该语句后直接运行print(sess.run(a))，会提示需要feed数据

tf.matmul指的是矩阵乘积

1、查看github上的Basic Operations代码，主要就用到了占位符和session的run函数，并通过feed_dict参数来填充张量

2、代码给了三部分的示例，这里选取第二部分来运行