TensorFlow 辨異 —— tf.placeholder 與 tf.Variable

兩者的主要區別在於：

• 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）。

What’s the difference between tf.placeholder and tf.Variable