TensorFlow Feed_dict

이 기사에서 TensorFlow feed_dict를 이해해 봅시다.

TensorFlow에서 feed_dict 사용

여러 문제 세트에서 동일한 모델을 실행할 수 있으려면 자리 표시자 및 피드 사전이 필요합니다. 우리의 시각화는 TensorFlow 애플리케이션의 복잡성을 따라잡아야 합니다.

TensorFlow 자리 표시자는 feed_dict 매개변수를 사용하여 런타임 중에도 누구나 지정할 수 있는 변수와 동일합니다. TensorFlow는 feed_dict 옵션을 사용하여 이러한 자리 표시자에 값을 제공하여 TensorFlow에서 자리 표시자에 대한 값을 제공하도록 요청하는 오류를 방지합니다.

TensorFlow 자리 표시자는 변수와 유사하며 tf.placeholder를 사용하여 선언할 수 있습니다.

초기 값을 제공할 필요가 없습니다. Session.run 내의 feed_dict 매개변수를 사용하여 런타임에 지정할 수 있지만 tf.Variable은 선언 시 초기 값이 필요합니다.

모든 세션에는 fetches 및 feed_dict가 포함됩니다. fetches 인수는 우리가 계산하려는 것을 나타내는 반면 피드 사전은 해당 계산을 위한 자리 표시자 값을 제공합니다.

구문과 Python TensorFlow의 tf.compat.v1.placeholder() 메서드가 작동하는 방식을 살펴보겠습니다.

통사론:

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

매개변수:

1. dtype 옵션은 텐서의 요소 종류를 나타냅니다.
2. Shape는 기본적으로 값을 허용하지 않으며 텐서에 모양을 지정하지 않으면 모든 텐서를 공급할 수 있습니다.
3. 이름은 작업 이름을 제공하는 선택적 인수입니다.

TensorFlow를 사용하여 placeholder에 feed_dict를 생성하는 예를 살펴보겠습니다.

먼저 작업에 필요한 라이브러리를 가져옵니다.

그런 다음 TensorFlow 버전과의 placeholder 충돌을 처리할 disable_eager_execution을 만듭니다.

그런 다음 int32 데이터 유형의 자리 표시자를 선언합니다.

그런 다음 자리 표시자에서 작업을 수행합니다. 이를 위해 곱하기 함수 tf.math.multiply를 사용했습니다.

세션을 생성할 때 feed_dict를 인수로 할당했습니다. placeholder 값은 feed_dict를 통해 제공됩니다.

다음은 전체 코드의 스크린샷입니다.