TensorFlow Feed_dict

Entendamos TensorFlow feed_dict en este artículo.

Usa feed_dict en TensorFlow

Necesitamos marcadores de posición y diccionarios de alimentación para poder ejecutar el mismo modelo en múltiples conjuntos de problemas. Nuestra visualización debe mantenerse al día con la complejidad de nuestra aplicación TensorFlow.

Los marcadores de posición de TensorFlow son los mismos que las variables que cualquiera puede especificar, incluso durante el tiempo de ejecución, utilizando el parámetro feed_dict. TensorFlow usa la opción feed_dict para proporcionar valores a estos marcadores de posición para evitar un error que le solicite que proporcione un valor para los marcadores de posición en TensorFlow.

Los marcadores de posición de TensorFlow son comparables a las variables y se pueden declarar usando tf.placeholder.

No es necesario proporcionar un valor inicial. Puede especificarlo en tiempo de ejecución usando el parámetro feed_dict dentro de Session.run, mientras que tf.Variable requiere un valor inicial cuando se declara.

Cada sesión incluye fetches y feed_dict. El argumento busca indica lo que queremos calcular, mientras que el diccionario de fuentes ofrece valores de marcador de posición para ese cálculo.

Veamos la sintaxis y cómo funciona el método tf.compat.v1.placeholder() en Python TensorFlow.

Sintaxis:

tf.compat.v1.placeholder(dtype, shape=None, name=None)

Parámetros:

1. La opción dtype indica el tipo de elementos en el tensor.
2. Forma no acepta ningún valor por defecto, y si no especifica una forma en el tensor, puede alimentar cualquier tensor.
3. Nombre es un argumento opcional que da el nombre de la operación.

Veamos un ejemplo del uso de TensorFlow para generar un feed_dict en placeholder.

Primero, importe la biblioteca que se requiere para la tarea.

Luego, crea una disable_eager_execution que manejará el conflicto de “marcador de posición” con las versiones de TensorFlow.

Después de eso, declare un marcador de posición del tipo de datos int32.

Luego realice acciones en el marcador de posición. Para ello, hemos utilizado la función de multiplicación tf.math.multiply.

Asignamos el feed_dict como argumento cuando creamos la sesión. Los valores de marcador de posición se proporcionan a través de feed_dict.

Aquí está la captura de pantalla del código completo.