困惑于张量流如何进食
最近开始使用tensorflow，我真的很困惑feed_dict的功能。
从tensorflow网站上看到的mnist例子，x是一个符号占位符，每次训练迭代都会填充一批新图像，因此'无'也可以是'batch_size'
x = tf.placeholder(tf.float32, shape=[None, 784])
当查看本教程的卷积部分时，有一条命令将x从平坦的1x784形状重塑为2D图像28x28形状
x_image = tf.reshape(x, [-1,28,28,1])
在训练循环中，x通过命令馈送
train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
我的问题是，当我们将值输入到x时，tensorflow会自动将每个涉及x的操作向量化？ 所以例如当我们定义操作
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
这将在整个批次中自动工作？
如果x是ndarray，每行都是一个平坦的图像，因为我们在x占位符tensorflow中指定了形状'None'会自动知道将每行用作单独的训练样本，并向后矢量化所有后续操作？
shape参数用于静态形状推理（即tensor.get_shape ），并且是可选的。 TensorFlow不会自动矢量化任何东西，但对于二进制cwise操作，它使用的广播看起来有点像这样。 在你的例子中， tf.conv2d是一个把每一行作为例子的操作，所以它可以用于批处理，但不能用于单个的例子。 另外batch[0]是一批输入， batch[1]是一批标签。
上一篇: Confused on how tensorflow feed
下一篇: What data types can you give as keys to feed in TensorFlow?