2.6 tensorflow2.3學習--占位符placeholder

自己開發了一個股票智能分析軟件，功能很強大，需要的點擊下面的鏈接獲取：

https://www.cnblogs.com/bclshuai/p/11380657.html

1.1  占位符placeholder

1.1.1         占位符介紹

占位符。這是一個在定義時不需要賦值，但在使用之前必須賦值（feed）的變量，可以用數據通過feed_dict給填充進去就可以，通常用作訓練數據。

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

placeholder，占位符，在tensorflow中類似於函數參數，運行時必須傳入值。

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。

使用實例

d50 = tf.compat.v1.placeholder(tf.float32, name="input1")#2.0tensorflow無placeholder

d51 = tf.sin(d50)

print(ss.run(d51, feed_dict={d50: 3.1415926/2}))#1.0

1.1.2         占位符運算

import tensorflow as tf

# 使用變量(variable)作為計算圖的輸入

# 構造函數返回的值代表了Variable op的輸出 (session運行的時候，為session提供輸入)

# tf Graph input

a = tf.placeholder(tf.int16)

b = tf.placeholder(tf.int16)

# 定義一些操作

add = tf.add(a, b)

mul = tf.multiply(a, b)

 

# 啟動默認會話

with tf.Session() as sess:

    # 把運行每一個操作，把變量值輸入進去

    print("變量相加: %i" % sess.run(add, feed_dict={a: 2, b: 3}))

    print("變量相乘: %i" % sess.run(mul, feed_dict={a: 2, b: 3}))