TF的Feeding机制允许在计算图中进行运算时向张量注入数据，即通过feed_dict参数在session.run()、Tensor.eval()或Operation.run()中提供数据。占位符Placeholder是进行的Feed的目标，不包含数据。常用以下三个方法：tf.placeholder，tf.sparse_placeholder，tf.placeholder_with_default。

1、tf.placeholder

作用：为张量Tensor提供占位符。

格式：placeholder( dtype, shape=None, name=None )

dtype：要输入的张量中元素的类型。

shape：要输入的张量的形状。如果未指定形状,则可以输入任何形状的张量。

name：操作的名称，默认为空。

返回：返回形状为shape的，数据类型为dtype的张量，不参与计算。

2、tf.sparse_placeholder

作用：为稀疏张量SparseTensor提供占位符。

格式：sparse_placeholder( dtype, shape=None, name=None )

dtype：要输入的张量中元素的类型。

shape：要输入的张量的形状。如果未指定形状,则可以输入任何形状的张量。

name：操作的名称，默认为空。

返回：返回形状为shape的，数据类型为dtype的稀疏张量，不参与计算。

3、tf.placeholder_with_default

作用：当该函数的output张量未被feed时，使用input张量传递数据

格式：placeholder_with_default( input, shape, name=None )

input：张量，当output没有被feed，将提供该input。

shape：张量可能的形状，可以是tf.TensorShape或者ints的列表。

name：操作的名称，默认为空。

返回：与input相同类型的，默认是input的张量。