本節主要詳述tensorflow的使用feed來對變數賦值，以下程式碼在python3.5，tensorflow1.5.0，numpy1.13.3下測試通過，想學習的小夥伴可以直接拷貝執行，一塊學習提高呀。

需要用到feed來賦值的操作可以通過tf.placeholder()說明，以建立佔位符。

程式碼：

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)

with tf.Session() as sess:
    print sess.run([output], feed_dict={input1:[7.0], input2:[2.0]})
 

執行結果：

[array([ 14.], dtype=float32)]

程式碼：

with tf.Session() as sess:
    result = sess.run(output, feed_dict={input1:[7.0], input2:[2.0]})
    print type(result)
    print result

執行結果：

<type 'numpy.ndarray'>
[ 14.]

程式碼：

with tf.Session() as sess:
    result = sess.run(output, feed_dict={input1:7.0, input2:2.0})
    print type(result)
    print result
 

執行結果：

<type 'numpy.float32'>
14.0

程式碼：

with tf.Session() as sess:
    print sess.run([output], feed_dict={input1:[7.0, 3.0], input2:[2.0, 1.0]})

執行結果：

[array([ 14.,   3.], dtype=float32)]

程式碼：

with tf.Session() as sess:
    print sess.run(output, feed_dict={input1:[7.0, 3.0], input2:[2.0, 1.0]})

執行結果：

[ 14.   3.]