tf.Varibale tf.placeholder tf.global_variables() tf.trainable_variales()
tf.placeholder
tf.placeholder
tf.placeholder(
dtype,
shape=None,
name=None
)
参数
dtype是必须的
shape可以没有 如果缺省则表示 可以接受符合类型的任意shape数据(这点要多注意,有时候会很方面,因为tensorlfow好多op 支持broadcast操作)
tf.Varibale
__init__(
initial_value=None,
trainable=True,
collections=None,
validate_shape=True,
caching_device=None,
name=None,
variable_def=None,
dtype=None,
expected_shape=None,
import_scope=None,
constraint=None,
use_resource=None,
synchronization=tf.VariableSynchronization.AUTO,
aggregation=tf.VariableAggregation.NONE
)
这个没什么讲的 这里引申一下讲两个方法:
tf.global_variables()用来获取构造的图中所包含的所有的变量
tf.trainable_variales() 用来获取构造的图中所包含的所有的需要训练的变量
看了一下 有的博客说需要初始化才能使用(亲自测试了一下,是错误的),不过如果你要打印变量的值需要先进行初始化
以上所有的知识点 都在下面的这段代码中体现(代码出处.)