精选留言(2)

• 
  松涛

  2019-01-16

  操作，数据流图中的节点对应一种操作。数据流图中的节点有三种：
  1. 数据节点
  2. 存储节点
  3. 计算节点
  数据节点，对应占位符（tf.placeholder()），要解决的问题是数据输入问题。所以占位符的特性是，在形状（shape）设定的时候可以有一维不确定，便于训练的时候批量传入不同batch_size的数据。
  存储节点，对应变量（tf.variable()），要解决的问题是参数存储问题。因此变量的特性是，需要初始化和设定具体的形状，在iteration时常驻内存，减少不必要的数据重载，便于参数更新。
  计算节点，对应基础运算、梯度计算和初始化等等，要解决的问题是tensor之间的操作问题，实现运算的功能。
  TensorFlow为什么这么设计，是为了解决神经网络训练的问题，所以理解的时候要结合神经网络模型的训练过程，就能很容易理解为什么变量和一般的tensor不同。
  

  展开

  作者回复: 这个是我自己方便大家理解梳理的一个分类哈，从底层技术实现来看，可以合并类别的。

  

   8
• 
  Yu

  2019-06-08

  placeholder的那个例子应该写成
  sess.run(tf.add(x, y), feed_dict={x: 2, y:3})
  不然无法运行

  

  