直到最近，我所有在TF中的代码都使用tf.placeholder来表示输入。这是非常方便的，因为它允许我喂养一批任意长度的网络，允许在不同的地方使用相同的代码（训练，测试，预测......）无TensorFlow占位符的工作
当发现feed_dict是如此慢，我想改变并开始使用管道，它基本上使用tf.Variable而不是占位符：每个变量是一个固定长度张量，并且表示一个用作网络输入的批处理。
我的问题是，虽然占位符是“解开”，你必须提供数据，管道绑定到输入数据。因此，例如，一旦我将管道设置为使用10号批处理的训练数据，我就不能使用12个例子中批处理的测试集中的数据。
或者我能吗？
没有占位符的正确工作方式是什么？
我找不到任何其他方法没有占位符的工作比固定大小的变量。
显然，没有其他建议的方式使用管道，而不是官方文档reading data建议的方式。
cifar10示例不使用占位符。它使用tf.FixedLengthRecordReader和tf.train.shuffle_batch。生成的输入图像批处理直接传递给CNN，无需占位符。
请参阅tensorflow的官方教程，它的Python代码：
https://github.com/tensorflow/models/blob/master/tutorials/image/cifar10/cifar10_train.py
另外，在测试时，你可以从列车的数据不同数量的批次的链接测试数据的管道。
请参阅评估代码： https://github.com/tensorflow/models/blob/master/tutorials/image/cifar10/cifar10_eval.py
如果您正在使用的图像数据或文字工作只是好奇？ – Aaron
对不起，以前没有回答：实际上，也没有。我正在处理物理信号数据。 – AkiRoss