我有一个is_training变量，我仍然必须在我的main.py文件中定义如下：
is_training = tf.placeholder(tf.bool, name='is_training')
然后我从另一个文件（x输入）调用我的inference方法：
test = net.inference(x, is_training)
最后，在我的会话中，我这样做：
sess.run(test, feed_dict={x: test_x, is_training: True})
但是，我想将is_training放在我的推理功能中。这有可能吗？
答案 0 :(得分：0)
如果您仅在推理中需要is_training，我建议您tf.placeholder_with_default。这样，您只能在net.inference()方法中定义它，并且不在会话中传递：
self.is_training = tf.placeholder_with_default(False, shape=(),name='is_training')
当您必须将其更改为True时，您可以执行以下操作：
sess.run(test, feed_dict={x: test_x, net.is_training: True})
请注意，tensorflow并不关心python变量或字段的范围。定义占位符后，它就会出现在图表中。