在TensorFlow中，有一种简单的方法可以获取Graph个对象，并将其placeholder的所有（或部分）转换为variable，并且（或部分）variable和Tensor到constant s（或placeholder s）？
换句话说，我想采用（训练的）神经网络，保留其计算图结构，但要优化占位符，同时保持权重不变。
作为一个例子，鉴于来自here的简单神经网络：
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
我想将其转换为：
x = tf.Variable(tf.float32, [None, 784])
W = tf.constant([values of trained weights],shape=[784, 10])
b = tf.constant(,shape=[10])
y = tf.matmul(x, W) + b
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
其中[values of trained weights]是训练原始网络后W和b的值。我感兴趣是否存在一种简单的自动方式来执行这种转换。
（注意：我没有运行上面的例子，所以它可能包含错误）
答案 0 :(得分：0)
我认为答案是＆＃34;不，没有一个简单的方法＆＃34;。即使你的简单例子也有点复杂。你有占位符变量，变量变量常量，占位符占位符。一些自动方法如何知道何时转换为只有部分时间转换占位符的内容？听起来你必须自己实现一些东西。首先，您至少可以使用tf.trainable_variables()获取变量列表。 x.assign()返回一个可用于为变量赋值的操作。也许那些会以某种方式帮助实现更自动化的解决方案。
关于＆＃34;一般的想法，我有一个课程，可能的输入是什么＆＃34; - 您可能想要查看概率编程。这听起来非常接近你的目标。对于那些，你有一堆数据/标签，你编写一个生成标签的模型。该语言为您的模型构建了一个采样器，您可以询问有关模型的不同部分的问题，类似于您的问题：＆＃34;我有类，输入必须是什么？＆＃34;
如果您有兴趣，请参阅以下内容：https://probmods.org/。听起来像https://github.com/blei-lab/edward也可能在这个区域。