tf.placeholder()函數
Tensorflow中的palceholder，中文翻譯為占位符，什么意思呢？
在Tensoflow2.0以前，還是靜態圖的設計思想，整個設計理念是計算流圖，在編寫程序時，首先構築整個系統的graph，代碼並不會直接生效，這一點和python的其他數值計算庫（如Numpy等）不同，graph為靜態的，在實際的運行時，啟動一個session，程序才會真正的運行。這樣做的好處就是：避免反復地切換底層程序實際運行的上下文，tensorflow幫你優化整個系統的代碼。我們知道，很多python程序的底層為C語言或者其他語言，執行一行腳本，就要切換一次，是有成本的，tensorflow通過計算流圖的方式，可以幫你優化整個session需要執行的代碼。
在代碼層面，每一個tensor值在graph上都是一個op，當我們將train數據分成一個個minibatch然后傳入網絡進行訓練時，每一個minibatch都將是一個op，這樣的話，一副graph上的op未免太多，也會產生巨大的開銷；於是就有了tf.placeholder()，我們每次可以將 一個minibatch傳入到x = tf.placeholder(tf.float32,[None,32])上，下一次傳入的x都替換掉上一次傳入的x，這樣就對於所有傳入的minibatch x就只會產生一個op，不會產生其他多余的op，進而減少了graph的開銷。
函數形式：
1 tf.placeholder( 2 dtype, 3 shape=None, 4 name=None 5 )
函數參數：
- dtype：數據類型。常用的是tf.float32,tf.float64等數值類型
- shape：數據形狀。默認是None，就是一維值，也可以是多維（比如[2,3], [None, 3]表示列是3，行不定）
- name：名稱
返回：
Tensor類型。