tensorflow中的Fetch、Feed（02-3）

import tensorflow as tf

#Fetch概念 在session中同時運行多個op
input1=tf.constant(3.0)     #constant()是常量不用進行init初始化
input2=tf.constant(2.0)
input3=tf.constant(5.0)

add=tf.add(input2, input3)
mul=tf.multiply(input1,add)

with tf.Session() as sess:
    result=sess.run([mul,add])  #這里的[]就是Fetch操作
    print(result)

#Feed
#創建占位符
input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
#定義乘法op，op被調用時可通過Feed的方式將input1、input2傳入
output=tf.multiply(input1,input2)

with tf.Session() as sess:
    #feed的數據以字典的形式傳入
    print(sess.run(output,feed_dict={input1:[7.],input2:[2.]}))

 

 

目錄：

1. tensorflow簡介、目錄
2. tensorflow中的圖（02-1）
3. tensorflow變量的使用（02-2）
4. tensorflow中的Fetch、Feed（02-3）
5. tensorflow版helloworld---擬合線性函數的k和b（02-4）
6. tensorflow非線性回歸（03-1）
7. MNIST手寫數字分類simple版（03-2）
8. 二次代價函數、交叉熵(cross-entropy)、對數似然代價函數（log-likelihood cost）(04-1)
9. 多層網絡通過防止過擬合，增加模型的准確率（04-2）
10. 修改優化器進一步提升准確率（04-3）
11. 手寫數字識別-卷積神經網絡cnn（06-2）
12. 循環神經網絡rnn與長短時記憶神經網絡簡述（07-2）
13. 循環神經網絡lstm代碼實現（07-3）
14. tensorflow模型保存和使用08
15. 下載inception v3  google訓練好的模型並解壓08-3
16. 使用inception v3做各種圖像分類識別08-4
17. word2vec模型訓練簡單案例
18. word2vec+textcnn文本分類簡述及代碼