tensorflow中Fetch和Feed的用法 - 自然语言处理 - 方帮信


大厂面试直通卡 本周拉勾免费课:《深入浅出搞定React》 7月6号下线 【腾讯云】2021新春采购节,爆款产品特惠,助力企业上云
当前位置: 首页 >  > 人工智能 > 自然语言处理

tensorflow中Fetch和Feed的用法

2019/2/27 20:21:24 浏览

tensorflow tfinput1=tf.constant()input2=tf.constant()input3=tf.constant()add=tf.add(input2,input3)mul=tf.multiply(input1,add)tf.Session() sess: result=sess.run([mul,add]) (result)input1=tf.placeholder(tf.float32)input2=tf.placeholder(tf.float32)…

站长送干货喽:

1.拉勾教育7天VIP

2.大场面试题第一季-阿里篇视频讲解

站长的微信:changyandoublog

import tensorflow as tf

#Fetch是比较容易理解的,在会话中可以同时执行多个op,得到运行的结果

#定义三个常量

input1=tf.constant(3.0)
input2=tf.constant(2.0)
input3=tf.constant(5.0)

#添加一个加法的op

add=tf.add(input2,input3)

#添加一个乘法的op

mul=tf.multiply(input1,add)

#定义一个会话

with tf.Session() as sess:
    #之前的run中只运行了一个op,Fetch的意思是在会话中可以同时运行多个op,如下就是同时运行两个op
    result=sess.run([mul,add])

    print(result)#的到的结果是[21.0,7.0],第一个结果得到的是乘法的结果,第二个是加法的结果



#Feed,Feed的概念比较重要,所以也比较常用

#首先定义两个占位符,占位符有什么用呢?在会话中调用使用
input1=tf.placeholder(tf.float32)#32为的浮点型
input2=tf.placeholder(tf.float32)
#在运行的时候再传入,传入值得时候,用到的是字典的形式
output=tf.multiply(input1,input2)

with tf.Session() as sess:
    #feed的数据以字典的形式传入
    print(sess.run(output,feed_dict={input1:[7.],input2:[2.]}))#得到的结果是[14.]


来源:方帮信(微信:changyandoublog,邮箱:changyandou@126.com),欢迎分享!