Question

我有一个占位符变量，需要一批输入图像：

input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')

现在我有2个输入数据来源：
1）张量和
2）一些numpy数据。

对于numpy输入数据，我知道如何将数据提供给占位符变量：

sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})

如何将张量提供给该占位符变量？

mLoss, = sess.run([loss], feed_dict = {input_placeholder: myInputTensor})

给了我一个错误：

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我不想使用.eval()将张量转换为numpy数组，因为这会减慢我的程序速度，还有其他方法吗？

Answer 1

您可以使用feed_dict将数据提供给非占位符。因此，首先，将数据流图直接连接到myInputTensor张量数据源（即不要使用占位符）。然后，当您想要使用numpy数据运行时，可以使用myImportTensor有效地屏蔽myNumpyData，如下所示：

mLoss, = sess.run([loss], feed_dict={myImportTensor: myNumpyData})

[我仍然试图弄清楚如何使用多张量数据源来做这件事。]

Answer 2

2016年已在GitHub上讨论过这个问题，请查看here。以下是concretevitamin的关键点：

需要注意的一件事是，Tensor只是一个象征性的对象。您的feed_dict的值是实际值，例如一个Numpy ndarry。

作为符号对象的张量在图形中流动，而实际值在图形之外，那么我们只能将实际值传递给图形，并且符号对象不能存在于图形之外。

Answer 3

解决问题的一种方法是实际删除占位符张量，并用“ myInputTensor”替换它。

您将使用myInputTensor作为图形中其他操作的源，并且当您想使用np数组作为输入数据来推断图形时，将直接向该张量输入值。

这是一个简单的例子：

import tensorflow as tf 
import numpy as np

# Input Tensor
myInputTensor = tf.ones(dtype=tf.float32, shape=1) # In your case, this would be the results of some ops

output = myInputTensor * 5.0

with tf.Session() as sess:
    print(sess.run(output)) # == 5.0, using the Tensor value
    myNumpyData = np.zeros(1)
    print(sess.run(output, {myInputTensor: myNumpyData}) # == 0.0 * 5.0 = 0.0, using the np value

Answer 4

这对我来说最新版本...也许你有旧版本的TF？

a = tf.Variable(1)
sess.run(2*a, feed_dict={a:5}) # prints 10

Tensorflow：如何使用张量来提供占位符变量？

4 个答案: