Question

以下情况：有一个运行tensorflow的生产服务器（C ++）。那里的代码预计只有一个输入Placeholder，其输入类似于feed_dict:{'input':...}。我无法更改服务器代码。我只能提供一个新图表，该图表必须有一个名为Placeholder的{{1}}。

使用tensorflow，我有一些代码可以创建两个具有不同范围的相同神经网络：

input

两个DNN都有输入dnn1 = DNN(scope='dnn1') dnn2 = DNN(scope='dnn2')： Placeholder 和 <tf.Tensor 'dnn1/input:0' shape=(50) dtype=float32>

两个网络都应该获得相同的输入。如何在图表中使张量<tf.Tensor 'dnn2/input:0' shape=(50) dtype=float32>流向input和dnn1/input？我也无法更改dnn2/input类，因此最终我的图表将DNN，dnn1/input和dnn2/input作为占位符，但只有input才会由生产代码提供。

Answer 1

创建一个输入占位符并将其用作两个网络的输入：

例如DNN1： hidden1 = (input * W1) + b1

DNN2： hidden1 = (input * W1) + b1

你能这样做吗？

Answer 2

您可以修改DNN占位符以默认采用生产输入占位符。因此，您仍然可以随时提供自定义值。

session = tf.Session()
production_input = tf.placeholder(tf.float32, [50])

# Own placeholders
dnn_1_input = tf.placeholder_with_default(production_input, [50])
dnn_2_input = tf.placeholder_with_default(production_input, [50])

# Production environment call
result = session.run([dnn_1_input, dnn_2_input],
                     feed_dict={production_input: np.arange(50)})

使用张量流

2 个答案: