【TensorFlow】TensorFlowにおける「変数」と「プレースホルダー」について

どうも、とがみんです。

以前の記事では、TensorFlowで開発をするのあたって、重要な概念である「データフロープログラミング」について紹介しました。

この記事では、TensorFlowにおける「変数」と「プレースホルダー」について紹介します。

Contents

変数とは?
プレースホルダーとは?
まとめ
参考文献

変数とは?

「変数」とは、数値や文字列などのデータを保持する仕組みのことで、値の変更を行うことができる数です。

以下のデータフローに従ったプログラムについて考えます。

上記のデータフロー図では、処理1の出力結果が、変数aに格納されるような流れになってます。

プログラムは以下のようになります。

プログラム

import tensorflow as tf

#データの準備
var_a = tf.Variable(1)#変数の定義
const_b = tf.constant(2)#定数の定義

#処理内容の記述
add1 = tf.add(var_a,const_b)
update_data_a = tf.assign(var_a,add1)#var_aにadd1の結果を代入

add2 = tf.add(add1,update_data_a)

#処理の実行
with tf.Session() as sess:
    sess.run(tf.initialize_all_variables())#変数の初期化
    print('var_a',sess.run(var_a))
    print('result',sess.run(add2))
    print('var_a',sess.run(var_a))
    print('result',sess.run(add2))
    print('var_a',sess.run(var_a))
    print('result',sess.run(add2))
    print('var_a',sess.run(var_a))

import tensorflow as tf

#データの準備

var_a = tf.Variable(1)#変数の定義

const_b = tf.constant(2)#定数の定義

#処理内容の記述

add1 = tf.add(var_a,const_b)

update_data_a = tf.assign(var_a,add1)#var_aにadd1の結果を代入

add2 = tf.add(add1,update_data_a)

#処理の実行

with tf.Session() as sess:

sess.run(tf.initialize_all_variables())#変数の初期化

print('var_a',sess.run(var_a))

print('result',sess.run(add2))

print('var_a',sess.run(var_a))

print('result',sess.run(add2))

print('var_a',sess.run(var_a))

print('result',sess.run(add2))

print('var_a',sess.run(var_a))

出力

var_a 1 
result 6
var_a 3
result 10
var_a 5
result 14
var_a 7

var_a 1

result 6

var_a 3

result 10

var_a 5

result 14

var_a 7

変数の使い方に関して、TensorFlowでは以下のように変数の宣言や更新等を行なっていきます。

変数はtf.Variable(1)のように宣言する。
変数の値はtf.assign(var_a,add1)で更新する。
セッション内でtf.initialize_all_variables()を実行し初期化する必要がある。

プレースホルダーとは?

次に、「プレースホルダー」についてです。

TensorFlowにおいて、「プレースホルダー」とは、実行するまで値がわからないような変数を扱う際に、その格納庫的な役割をしてくれるものです。

具体的なデータは実行時に与えられます。

以下のデータフローに従ったプログラムについて考えます。

上記の図では、実行時にプレースホルダーに5が入るようになっています。

プログラムは以下のようになります。

プログラム

import tensorflow as tf

#データの準備
holder_a = tf.placeholder(tf.int32)
const_b = tf.constant(2)

#処理内容の記述
add1 = tf.add(holder_a,const_b)

#処理の実行
with tf.Session() as sess:
    result = sess.run(add1,feed_dict={holder_a: 5})
    print(result)
    
#出力=> 7