tf.placeholder 與 tf.Variable

• tf.Variable：主要在於一些可訓練變量（trainable variables），好比模型的權重（weights，W）或者偏執值（bias）；
  • 　　聲明時，必須提供初始值；
  • 　　名稱的真實含義，在於變量，也即在真實訓練時，其值是會改變的，天然事先須要指定初始值；

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')

• tf.placeholder：用於獲得傳遞進來的真實的訓練樣本：
  • 　　沒必要指定初始值，可在運行時，經過 Session.run 的函數的 feed_dict 參數指定；
  • 　　這也是其命名的緣由所在，僅僅做爲一種佔位符；

images_placeholder = tf.placeholder(tf.float32, shape=[batch_size, IMAGE_PIXELS])
labels_placeholder = tf.placeholder(tf.int32, shape=[batch_size])

以下則是兩者真實的使用場景：

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)

當執行這些操做時，tf.Variable 的值將會改變，也即被修改，這也是其名稱的來源（variable，變量）。