Tensorflowにおけるplaceholderとは？v2.0以降での置き換え

・placeholderはTensorflowにおける変数の一種で「後で値を代入する予定の変数」です。

・これにより、データがない状態でも処理やグラフを作成する事ができます。

・更に、セッションオブジェクトを作って関数に対して実行する際に、グラフの一部の範囲に対しても実行可能

⇒この部分評価はTensorFlowの強みの１つでもある

・placeholderは静的にサイズを指定する必要はなく、例でもNoneを指定して実行時にdictionaryで任意のサイズを指定しています。

 

（例）

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

# placeholderを使って、先に関数を組み立て
# この時点ではまだxには値は代入されていない
# またxのサイズはNoneを指定し、後からdictionaryで任意のサイズを指定可能に
x = tf.placeholder("float", None)
y = x * 3

with tf.Session() as session:
    # 関数「y = x * 2」にx = 1,2,3を代入し、それぞれの結果を表示
    # 　⇒グラフの一部の領域に対して計算を実行できる
    result = session.run(y, feed_dict={x: [1, 2, 3]})
    print(result)

＞目次にもどる

多次元に定義してarrayを保持する事もできます。

例では2行×3列のマトリクスを定義し、適当な値を設定しています。この時、placeholderの定義は[None, 3]となっており、N行3列のデータである事を意味しています。

 

（例）

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

# placeholderを使って、先に関数を組み立て
# この時点ではまだxには値は代入されていない
# またxのサイズは[None,3]を指定し、N行×3列のデータを後からdictionaryで指定可能に
x = tf.placeholder("float", [None,3])
y = x * 3

with tf.Session() as session:
    # 関数「y = x * 2」に代入するxの配列を定義
    x_array = [[1, 2, 3],
              [4, 5, 6],]
    result = session.run(y, feed_dict={x: x_array})
    print(result)

＞目次にもどる

・トレーニング時の変数（例：重みw、バイアスb）などに使用します。

・定義する時に、初期値の設定が必要です。

・トレーニング用の実データ（例：x1,x2,…,xn）を代入するために使用します。

・定義する時に、初期値の設定は不要です（Session.runの中のfeed_dict引数で指定すればOK）

・この「placeholder」は2.0以降のバージョンとは互換性がないため、2.0以降のバージョンを使う場合は以下の対応が必要となります（パフォーマンス向上と簡略化のため）。

 

（図１３１）

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow as tf

@tf.function
def f(x):
    y = x * 3
    return y

def main():
    
    # 関数「y = x * 2」に代入するxの配列を定義
    x_array = tf.constant([[1, 2, 3],[4, 5, 6],])
    y = f(x_array)
    print(y)
        
if __name__ == "__main__":
    main()