Question

我目前需要做与https://github.com/tensorflow/tensorflow/issues/6776

相似的事情

例如，我有一批图像A，B，C ....，我将为它们生成增强的批次，分别为a，b，c .....

然后我将A（B或C）发送到Inception网络中以获取输出张量“ output_1”，并且我需要将A（B或C）发送到同一Inception网络中以获取输出张量“ output_2” ，我将使用||“ output1- output2” ||作为对比损失。

目前，我不确定人们通常如何在Tensorflow中处理此类操作。我在网上搜索，但没有找到答案（尽管我想这与网络的“重用”有关）。

这是我的源代码的样子（对不起，因为我可以在此处粘贴简化版本）：

class MyModel:
    ......
    def define_my_net(self):
        self.inputs_from_bloader = tf.placeholder(...)
        self.input = self.inputs_from_bloader
        self.output = slim.conv2d(self.input,...)
    ......
    def update(sess, inputs):
        feed_dict = utility.build_feed_dict(self.inputs_from_bloader, inputs)
        sess.run([my_op_list], feed_dict = feed_dict)
     ......

def train():
    data = importlib.import_module('some.datasets.reader')
    data = data.DataReader()
    model = importlib.import_module('MyModel')
    model.MyModel()
    model.define_my_net()      ### This is where network is defined
    batch = data.get_batch()    ### This is where A,B,C and a,b,c are generated.  
    model.update(sess, batch)    ### This is where training is done

我认为我可以从“ batch = data.get_batch”输出类似AaBbCc的批处理，或将其更改为“ batch1，batch2 = data.get_batch”，但是我不知道如何将batch1和batch2传递到定义的网络中，因为它可能需要对该框架进行一些架构上的修改。

如果您认为上面的源代码太乱了，那么任何更简单的示例也将不胜感激。

Answer 1

您可以实例化网络两次。这些实例通常称为“塔”。两个塔将使用相同的变量，但具有不同的输入和操作。

根据您使用的高级API，您应该查找一些用于控制变量reuse的标志，以便在构建第二个塔时，它不会创建新变量。例如，在https://www.tensorflow.org/guide/variables处搜索reuse。

如何在Tensorflow中将2张图像发送到1个网络并计算对比度损失？

1 个答案: