Question

我是否纠正在Tensorflow中，当我run进行任何操作时，我的feed_dict需要为我所有的占位符，甚至是与我正在运行的无关的占位符赋予值吗？

尤其是我正在考虑进行预测，在这种情况下，我的targets占位符是不相关的。

Answer 1

好吧，这取决于您的计算图的外观以及运行由张量馈送的操作的方式（此处为placeholders）。如果您将在会话中执行的计算图的任何部分都不依赖于占位符，则不需要为其输入值。这是一个小例子：

In [90]: a = tf.constant([5, 5, 5], tf.float32, name='A')
    ...: b = tf.placeholder(tf.float32, shape=[3], name='B')
    ...: c = tf.constant([3, 3, 3], tf.float32, name='C')
    ...: d = tf.add(a, c, name="Add")
    ...: 
    ...: with tf.Session() as sess:
    ...:       print(sess.run(d))
    ...:

# result       
[8. 8. 8.]

另一方面，如果执行计算图的一部分，该部分依赖于占位符，则必须将其馈入一个值，否则它将引发InvalidArgumentError。这是一个演示此示例：

In [89]: a = tf.constant([5, 5, 5], tf.float32, name='A')
    ...: b = tf.placeholder(tf.float32, shape=[3], name='B')
    ...: c = tf.add(a, b, name="Add")
    ...: 
    ...: with tf.Session() as sess:
    ...:       print(sess.run(c))
    ...:

执行上面的代码，引发以下InvalidArgumentError

InvalidArgumentError：您必须使用dtype float和shape [3]输入占位符张量'B'的值

[[[节点：B =占位符类型= DT_FLOAT，形状= [3]，_ device =“ / job：localhost /副本：0 /任务：0 /设备：CPU：0”]]

因此，要使其正常工作，您必须使用feed_dict来填充占位符，如下所示：

In [91]: a = tf.constant([5, 5, 5], tf.float32, name='A')
    ...: b = tf.placeholder(tf.float32, shape=[3], name='B')
    ...: c = tf.add(a, b, name="Add")
    ...: 
    ...: with tf.Session() as sess:
    ...:       print(sess.run(c, feed_dict={b: [3, 3, 3]}))
    ...:       
    ...:       
[8. 8. 8.]

在Tensorflow中，您是否需要提供与所需内容无关的值？

1 个答案: