1.Fetch :可以在會話里可以同時執行多個op，然后得到運行結果

? ?fetch：例子（直接看代碼）

import tensorflow as tf #定義三個常量 input1 = tf.constant(3.0) input2 = tf.constant(2.0) input3 = tf.constant(5.0) #加法的操作 add = tf.add(input2,input3) #乘法的操作 mu1 = tf.multiply(input1,add) #定義一個會話 with tf.Session() as sess:#在中括號里傳入加法和乘法的op，就可以在會話里同時執行多個opresult = sess.run([mu1,add])print(result)

?運行的結果：

[21.0, 7.0]

2.Feed:?

import tensorflow as tf #創建占位符 input1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32) #乘法的操作 output = tf.multiply(input1,input2)with tf.Session() as sess:# 可以再運行的時候傳入值，傳入的值的形式為Python字典的形式print(sess.run(output,feed_dict={input1:[7.],input2:[2.]}))

結果為： ?? ??

[14.]#就是2乘7的結果。當然也可以input其他值，代碼為：input1:[8.],input2:[9.]，結果就為：72

?

????

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的深度学习框架TensorFlow(4.Fetch and Feed)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。