TensorFlow 辨异 —— tf.placeholder 与 tf.Variable

https://blog.csdn.net/lanchunhui/article/details/61712830

https://www.cnblogs.com/silence-tommy/p/7029561.html

二者的主要区别在于：

tf.Variable：主要在于一些可训练变量（trainable variables），比如模型的权重（weights，W）或者偏执值（bias）；
- 声明时，必须提供初始值；
- 名称的真实含义，在于变量，也即在真实训练时，其值是会改变的，自然事先需要指定初始值；
```
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')
```
  - 1
  - 2
  - 3
  - 4
  - 5
tf.placeholder：用于得到传递进来的真实的训练样本：
- 不必指定初始值，可在运行时，通过 Session.run 的函数的 feed_dict 参数指定；
- 这也是其命名的原因所在，仅仅作为一种占位符；
```
images_placeholder = tf.placeholder(tf.float32, shape=[batch_size, IMAGE_PIXELS])
labels_placeholder = tf.placeholder(tf.int32, shape=[batch_size])
```
- 1
- 2

如下则是二者真实的使用场景：

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)