如何使用tf.train.shuffle_batch为训练和推理构建TF图？

Question

上下文：卷积自动编码器

我使用tf.add_to_collections（）

将input_tensor和output_tensor添加到图表中

fee

在推理期间，我调用tf.get_collections（）来提取这些节点，然后调用sess.run（）。它说形状固定在[512,32,32,3]，我该如何解决？

Answer 1

一个可能的解决方案是使用tf.placeholder_with_default() op来放宽输入操作上的形状要求。例如：

50

如果您运行的代码取决于input_batch = tf.train.shuffle_batch(..., batch_size=512) input_placeholder = tf.placeholder_with_default(input_batch, [None, None, None, 3]) 但不提供，则会使用input_placeholder的结果。或者，如果您为tf.train.shuffle_batch()提供值，则可以输入任何4-D张量（深度为3），因此您可以使用任何批量大小或图像大小。

但请注意，这样做会禁用训练中的一些优化，因为每个批次的形状现在可以变化，至少原则上如此。这可以防止TensorFlow将某些内部tf.shape()调用视为常量值，这可能意味着它需要在每个训练步骤中执行更多工作。最后，为培训和推理构建两个单独的图可能会更好，因为这些图可以单独优化。