如何将可选输入添加到TensorFlow中的图形中？

我基本上想要将选项输入到图形中间并计算从那里输出。我的一个想法是使用默认为零张量的tf.placeholder_with_default。然后我可以使用加法混合可选输入，但是在大的形状上添加这似乎是很多不必要的计算。有没有更好的方法来完成？如何将可选输入添加到TensorFlow中的图形中？

input_enabled = tf.placeholder_with_default(tf.constant(1.), [1]) 

input_shape = [None, in_size] 
input = tf.placeholder_with_default(tf.zeros(input_shape), input_shape) 
// ... 
bottleneck_shape = [None, bottleneck_size] 
bottleneck = input_enabled * f(prev_layer) + tf.placeholder_with_default(tf.zeros(bottleneck_shape), bottleneck_shape) 
// ... 

// Using graph with input at first layer: 
sess.run([output], feed_dict={input: x}) 

// Using graph with input at bottleneck layer: 
sess.run([output], feed_dict={bottleneck: b, input_enabled: 0.})

来源

2016-06-20 Lenar Hoyt

你能给出一个更具体的问题概述吗？你想要什么类型的可选输入，并做什么？ –

A有一个类似autoencoder的图形，我想用一个用于训练的图形重建代码作为瓶颈输入。 –

你可以给你现在使用'tf.placeholder_with_default'的部分代码来改变吗？ –

由于您的代码，我理解得更好。

基本架构是：

 input  <- you can feed here 
     |   
    (encoder) 
     | 
    bottleneck <- you can also feed here instead 
     | 
    (decoder) 
     | 
     output

你想两个用例：

火车：喂图像为input，计算输出
测试：将代码馈入瓶颈，计算输出

你并不需要创建bottleneck一个占位符，因为sess.run()让你值喂到图形非占位符：

input_shape = [None, in_size] 
input = tf.placeholder(tf.float32, input_shape) 
# ... 

bottleneck = f(prev_layer) # of shape [None, bottleneck_size] 
# ... 

# Using graph with input at first layer: 
sess.run([output], feed_dict={input: x}) 

# Using graph with input at bottleneck layer: 
sess.run([output], feed_dict={bottleneck: b})

从文档sess.run()：

可选的feed_dict参数允许调用方覆盖图中张量的值。 feed_dict中的每个键可以是以下类型之一：

如果键是一个张量，则该值可以是可以转换为与该张量相同的dtype的Python标量，字符串，列表或numpy ndarray。此外，如果键是占位符，则将检查值的形状是否与占位符兼容。

来源

2016-06-20 15:04:41

如何将可选输入添加到TensorFlow中的图形中？

回答

相关问题