在没有TensorFlow占位符的情况下工作

Question

直到最近，TF中的所有代码都使用public async Task<bool> RevokeLicenseAsync([FromBody]string userId), 来表示输入。它非常方便，因为它允许我向我的网络提供一批任意长度，允许在不同的地方使用相同的代码（训练，测试，预测...）

在发现tf.placeholder这么慢之后，我想改变并开始使用管道，它基本上使用feed_dict而不是占位符：每个变量都是固定长度 tensor，表示用作网络输入的批处理。

我的问题在于，虽然占位符是＆＃34;解开＆＃34;并且您必须向其提供数据，管道绑定到输入数据。因此，例如，一旦我设置管道以批量使用10个批次的训练数据，我就不能批量使用测试集中的数据，例如12个例子。

或者我可以吗？

没有占位符的正常工作方式是什么？

Answer 1

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而没有占位符。

请参考tensorflow的官方教程及其python代码：

https://github.com/tensorflow/models/blob/master/tutorials/image/cifar10/cifar10_train.py

此外，在测试时，您可以将测试数据的管道与列车数据中的不同批次数链接起来。

请参考评估代码： https://github.com/tensorflow/models/blob/master/tutorials/image/cifar10/cifar10_eval.py

Answer 2

除了固定大小的变量之外，我找不到任何其他没有占位符的方法。

显然，除了官方文档reading data建议的管道之外，没有其他推荐使用管道的方法。