TensorFlow 辨异 —— tf.placeholder 与 tf.Variable

Posted 柒月

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了TensorFlow 辨异 —— tf.placeholder 与 tf.Variable相关的知识,希望对你有一定的参考价值。

二者的主要区别在于:

  • tf.Variable:主要在于一些可训练变量(trainable variables),比如模型的权重(weights,W)或者偏执值(bias);

    • 声明时,必须提供初始值;
    • 名称的真实含义,在于变量,也即在真实训练时,其值是会改变的,自然事先需要指定初始值; 
      weights = tf.Variable(
          tf.truncated_normal([IMAGE_PIXELS, hidden1_units],
                  stddev=1./math.sqrt(float(IMAGE_PIXELS)), name=weights)
      )
      biases = tf.Variable(tf.zeros([hidden1_units]), name=biases)
  • tf.placeholder:用于得到传递进来的真实的训练样本:

    • 不必指定初始值,可在运行时,通过 Session.run 的函数的 feed_dict 参数指定;
    • 这也是其命名的原因所在,仅仅作为一种占位符;
    images_placeholder = tf.placeholder(tf.float32, shape=[batch_size, IMAGE_PIXELS])
    labels_placeholder = tf.placeholder(tf.int32, shape=[batch_size])

     

如下则是二者真实的使用场景:

for step in range(FLAGS.max_steps):
    feed_dict = {
        images_placeholder = images_feed,
        labels_placeholder = labels_feed
    }
    _, loss_value = sess.run([train_op, loss], feed_dict=feed_dict)

 

当执行这些操作时,tf.Variable 的值将会改变,也即被修改,这也是其名称的来源(variable,变量)。

What’s the difference between tf.placeholder and tf.Variable

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/lanchunhui/article/details/61712830

以上是关于TensorFlow 辨异 —— tf.placeholder 与 tf.Variable的主要内容,如果未能解决你的问题,请参考以下文章

TensorFlow 辨异 —— tf.add(a, b) 与 a+b(tf.assign 与 =)tf.nn.bias_add 与 tf.add(转)

循环神经网络系列Tensorflow中dynamic_rnn

numpy 辨异 —— numpy ravel vs numpy flatten

TFBOY 养成记 一些比较好多文章。

Tensorflow:为啥'pip uninstall tensorflow'找不到tensorflow

Tensorflow的安装教程