Variable 与 placeholder 之间的区别 + feed_dict


  • tf.Variable:主要在于一些可训练变量(trainable variables),比如模型的权重(weights,W)或者偏执值(bias);

    • 声明时,必须提供初始值;
    • 名称的真实含义,在于变量,也即在真实训练时,其值是会改变的,自然事先需要指定初始值; 
      weights = tf.Variable(
          tf.truncated_normal([IMAGE_PIXELS, hidden1_units],
                  stddev=1./math.sqrt(float(IMAGE_PIXELS)), name='weights')
      )
      biases = tf.Variable(tf.zeros([hidden1_units]), name='biases')
      • 1
      • 2
      • 3
      • 4
      • 5
  • tf.placeholder:用于得到传递进来的真实的训练样本:

    • 不必指定初始值,可在运行时,通过 Session.run 的函数的 feed_dict 参数指定;
    • 这也是其命名的原因所在,仅仅作为一种占位符;
    images_placeholder = tf.placeholder(tf.float32, shape=[batch_size, IMAGE_PIXELS])
    labels_placeholder = tf.placeholder(tf.int32, shape=[batch_size])
    • 1
    • 2

如下则是二者真实的使用场景:

for step in range(FLAGS.max_steps):
    feed_dict = { images_placeholder = images_feed, labels_placeholder = labels_feed }
    _, loss_value = sess.run([train_op, loss], feed_dict=feed_dict)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

当执行这些操作时,tf.Variable 的值将会改变,也即被修改,这也是其名称的来源(variable,变量)。

本站公众号
   欢迎关注本站公众号,获取更多程序园信息
开发小院