深度学习手记（二）之占位符Placeholder
TensorFlow是一种符号式编程，它里面有各种计算流图和变量，今天来介绍一种占位符，它的好处是可以避免生成大量常量来提供输入数据，提高了计算图的利用率。其实，今天介绍这个Placeholder占位符还有一个原因：就是使用它经常会出现下面问题：
（1）ValueError: Cannot feed value of shape (2,) for Tensor ‘input_2:0’, which has shape ‘(?, 2)’
（2）InvalidArgumentError (see above for traceback): Matrix size-incompatible: In[0]: [2,3], In[1]: [1,2]
[[Node: MatMul_2 = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device=”/job:localhost/replica:0/task:0/cpu:0”](MatMul_1, _arg_input_2_0_1)]]
（3）InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor ‘Placeholder_5’ with dtype float and shape [100,784]
[Node: Placeholder_5 = Placeholder[dtype=DT_FLOAT, shape=[100,784], _device=”/job:localhost/replica:0/task:0/cpu:0”]]
这三类问题的原因是不样的，前面两种问题的答案，我现在已经知道，但，第三种问题目前还不知道是怎么回事，希望牛人解答。
我们来说前两种问题。
第一种：
import tensorflow as tf
input_1 = tf.placeholder(tf.float32, shape=(None, 2), name="input_1")
input_2 = tf.placeholder(tf.float32, shape=(None, 2), name="input_2")
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1))
output = tf.matmul(input_1, input_2)
a = tf.matmul(input_1, w1)
y = tf.matmul(input_2, a)
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(y, feed_dict={input_1: [[1., 2.], [3., 4.]], input_2: [3, 4]}))
上面代码就会出现：
造成这种情况的原因是你给出的shape类型不对。input_2的type应该是一个二维数组，用[[3, 4]]表示才对。
第二种：
import tensorflow as tf
input_1 = tf.placeholder(tf.float32, shape=(None, 2), name="input_1")
input_2 = tf.placeholder(tf.float32, shape=(None, 2), name="input_2")
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1))
output = tf.matmul(input_1, input_2)
a = tf.matmul(input_1, w1)
y = tf.matmul(a, input_2)
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(y, feed_dict={input_1: [[1., 2.], [3., 4.]], input_2: [[3, 4]]}))
上面代码就会出现：
其实，造成这种问题的原因也很简单。问题就出在matmul函数，这个函数是表示两个矩阵相乘，那么就要明白两个矩阵相乘的条件是什么，一定是第一个矩阵的列数（column）和第二个矩阵的行数（row）相同。tf.matmul(input_1, w1)得到的a的shape为（2，3）那么它与input_2（1，2）就没有办法相乘，只有input_2（1，2）能与a（2，3）相乘。所以该这样操作：
import tensorflow as tf
input_1 = tf.placeholder(tf.float32, shape=(None, 2), name="input_1")
input_2 = tf.placeholder(tf.float32, shape=(None, 2), name="input_2")
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1))
output = tf.matmul(input_1, input_2)
a = tf.matmul(input_1, w1)
y = tf.matmul(input_2, a)
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(y, feed_dict={input_1: [[1., 2.], [3., 4.]], input_2: [[3, 4]]}))
这样就没有出错了。