变量和占位符

曾经因为一些工作的原因问过很多人知不知道变量和占位符的区别，但是能答上来的几乎很少，其实区别很简单：

变量是TensorFlow机器学习算法的参数，TensorFlow通过维护和调整这些变量的状态来优化机器学习算法。

占位符是TensorFlow对象，用于表示输入输出数据的格式，允许传入指定类型和形状的数据，并依赖计算图的计算结果。（如：期望等）

变量

在TensorFlow中，tf.Variable()函数创建变量，过程是输入一个张量，返回一个变量。声明变量后需要初始化变量。


  
  
   
   
    
    
     
     
    
    
    
    
     
     
      
      my_var = tf.Variable(tf.zeros([
      
      2,
      
      3]))
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess = tf.Session()
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      initialize_op = tf.global_variable_initializer()
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess.run(initialize_op)

在TensorFlow中每个变量都有initializer方法，一般都会使用全局初始化变量即tf.golbal_variable_initializer()，这样会一次性初始化所有的变量。但是，如果是基于已经初始化的变量进行初始化，则必须按序进行初始化。


  
  
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess = tf.Session()
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      first_var = tf.Variable(tf.zeros[
      
      2,
      
      3])
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess.run(first_var.initializer)
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      second_var = tf.Variable(tf.zeros_like(first_var))
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess.run(second_var.initializer)

注：因为第二个参数是依赖于第一个参数，所以必须先初始化第一个参数再初始化第二个参数。

占位符

占位符仅仅声明数据位置，用于传入数据到计算图。占位符通过会话的feed_dict参数获取数据。在计算图中使用占位符时必须在其上执行至少一个操作。


  
  
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess = tf.Session()
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      x = tf.placeholder(tf.float32, shape=[
      
      2,
      
      2])
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      y = tf.identity(x)
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      x_val = np.random.rand(
      
      2,
      
      2)
     
     
    
    
   
   
    
    
     
     
    
    
    
    
     
     
      
      sess.run(y, feed_dict={ x:x_val })

注：tf.identity()返回占位符传入的数据本身；不要写成sess.run(x, feed_dict={x:x_val})

变量

占位符

猜你喜欢