以前不知道tf.placeholder的feed_dict格式要求，以為隨便是什麼格式都可以，直到自己在做測試的時候出現以下錯誤才知道tf.placeholder  的feed_dict填充內容不可以是tensor格式的，對自己來說反而方便很多。

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.

placeholder的作用：

                                     2）placeholder與feed_dict結合的另外一個潛在作用是，將numpy等格式的輸入資料轉換成tensor需要的格式，方便在tensorflow中流動。

自己對tensorflow的一些理解：

           1）tensorflow中的tensor不是數學意義上的張量，數學意義上的張量是實實在在的資料，tensorflow中的tensor的實際意義是操作（operation，op）或者函式。如：

                                       y = f(x)

                                       z=g(y)

                                     則：z=g(f(x))

          在傳統的數學意義上，張量對應的是實實在在的資料x,y,z,

         在tenforflow中，tensor的意義是操作，是函式，即tf.tensor對應的是 f(),g(),g(f()),是一種對映關係，沒有、也不代表真實資料

        因此，在獲取張量的值的時候需要用sess.run(tensor)，因為，tensor僅僅代表對映關係，如果不執行這個對映，就不會有對映的結果輸出。

        2）tensorflow中的graph實際上是一個對映關係樹，graph上的每個節點可以看作是基本對映關係的組合，但仍舊是對映關係。

           可以把tensorflow中的graph比作一個水暖的暖氣系統。

          每個暖氣片可以看作tensor,該tensor的作用是散熱。

          暖氣片下方有個放水的水龍頭，代表tensorflow中的 sess.run()功能，執行sess.run()相當於開啟水龍頭，得到暖氣系統流經該暖氣片之後的水。

          tensorflow的placeholder可以看作暖氣系統的加水處，水是輸入資料。

         如果不加水，整個暖氣系統也是完整的，但不能起到任何作用。

        加水之後，水就可以流到各個可以到達的張量處，但要想得到張量中的資料，需要開啟它的水龍頭,即對該張量執行sess.run()

       tensorflow的每個節點，可以看作一系列暖氣片的串並聯等方式的組合，最後給出一個水龍頭。即，每個暖氣片都有一個自己的水龍頭，每個暖氣片組有再新增一個總的與主幹道接通的水龍頭。

     所以，要想從tensorflow中的某個張量處得到水，首先需要在注水處添上水，然後需要開啟對應暖氣片或暖氣片組的水龍頭。

        3）要想得到對映關係的結果，首先需要填入輸入資料(feed_dict)，然後需要驅動該對映的執行（sess.run()）

前程任重而道遠，自己雖然很水，還需腳踏實地力前行。

文章原創，如有不當，歡迎拍磚指正，如需轉載，請註明出處！https://blog.csdn.net/Strive_For_Future/article/details/82463923