如何通过tensorflow

Question

我有一个由多个子网络组成的网络（多个卷积网，最后一个完全连接+软最大层）。每个ConvNet Feed都有特定的图像区域和大小。因此，为了给我的网络提供信息，我为每个信号输入和一个标签占位符写入图像占位符，以便在一批中提供所有图像的标签（所有信号输入中的所有输入图像都具有相同的标签）。 不幸的是，我对feed_dict部分一无所知。 例如，此代码仅用于一次convnet培训：

    images_r, labels_r = sess.run([images, labels])
    train_feed = {images_placeholder: images_r,
              labels_placeholder: labels_r}
    _, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

如何为所有转发网络提供以上代码？

Answer 1

因此，对于每个conv网络，如果输入的placeholders为：conv_1_input，conv_2_input .... conv_N_input，那么您通过feed_dict中的列表如下：

train_feed = {`conv_1_input`: image_1, `conv_2_input`: image_2,.. `conv_N_input`: image_N,
          labels_placeholder: labels_r}
_, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

Answer 2

您应该在计算图中拆分/切片图像，而是使用单个输入。