在执行sess之前需要设置,在sess.run中用feed_dict 将其传入tensorflow中的用 tf.placeholder并且有三个参数:(1)数据类型;(2)数据大小;(3)名称。 说明: numpy.random.randint(low, high=None, size=None, dtype='l') 函数的作用是,返回一个随机整型数,范围从低(包括)到高(不包括),即[low, high)。 如果没有写参数high的值,则返回[0,low)的值。 参数如下: low: int 生成的数值最低要大于等于low。 (hign = None时,生成的数值要在[0, low)区间内) high: int (可选) 如果使用这个值,则生成的数值在[low, high)区间。 size: int or tuple of ints(可选) 输出随机数的尺寸,比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的,仅仅返回满足要求的单一随机数。 dtype: dtype(可选): 想要输出的格式。如int64、int等等 输出: out: int or ndarray of ints 返回一个随机数或随机数数组 (1)以上代码的输出结果是什么? (2)请添加语句输出a,aa的值,看看具体是什么? (3)如果在第3行、第4行中,去掉函数的第一个参数,是否有影响? (4)如果在第3行、第4行中,函数的第二个参数改成如下所示,是否有影响? x = tf.placeholder(tf.float32,shape=None, name='originalx') y = tf.placeholder(tf.float32,shape=None, name='originaly') (5)请分析第7行、第8行中的reshape起到了什么作用?