在tensorflow中无法识别在函数中创建的占位符

我通过点击和试用找到了问题的解决方案，但不明白它为什么有效

我正在经历。我一直运行代码，直到下面的代码块结束，它工作正常

W = tf.Variable([.3], tf.float32)
b = tf.Variable([-.3], tf.float32)
x = tf.placeholder(tf.float32)
linear_model = W * x + b

y = tf.placeholder(tf.float32)
squared_deltas = tf.square(linear_model - y)
loss = tf.reduce_sum(squared_deltas)
print(sess.run(loss, {x:[1,2,3,4], y:[0,-1,-2,-3]}))

现在，我认为

丢失

看起来像是函数中应该包含的东西。我尝试了以下方法

def get_loss(linear_model):
    y = tf.placeholder(tf.float32)
    squared_deltas = tf.square(linear_model - y)
    return tf.reduce_sum(squared_deltas)

loss = get_loss(linear_model)
print(sess.run(loss, {x:[1,2,3,4], y:[0,-1,-2,-3]}))

但它给了我一个错误

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_26' with dtype float
     [[Node: Placeholder_26 = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

然后我尝试了以下方法。唯一的区别是我也返回了

y

def get_loss(linear_model):
    y = tf.placeholder(tf.float32)
    squared_deltas = tf.square(linear_model - y)
    return y, tf.reduce_sum(squared_deltas)

y, loss = get_loss(linear_model)
print(sess.run(loss, {x:[1,2,3,4], y:[0,-1,-2,-3]}))

---

成功了。为什么？

它不起作用，因为

y

在

get\u loss（）的范围之外不可见。如果返回底部的
y
，则
y
现在可见，因此它可以工作

如果您不想返回y，您可以改为在y中输入其名称：

def get_loss(linear_model):
    # give y a name 'y'
    y = tf.placeholder(tf.float32, name='y')
    squared_deltas = tf.square(linear_model - y)
    return tf.reduce_sum(squared_deltas)

loss = get_loss(linear_model)
print(sess.run(loss, {x:[1,2,3,4], 'y:0':[0,-1,-2,-3]}))

是关于
“y:0”
的“：0”部分的一些讨论，我知道它不在范围之内。那是我的猜测。该字典是否实际使用变量本身作为键？它使用占位符tensor对象或其名称作为键。y只是对张量对象的赋值（名称），这是在代码中访问该对象的唯一方法。