Question

我要执行以下操作：

out = sess.run(operation, feed_dict={x: x_value, , y: y_value})

在模型定义中的某处，我使用了它：

x = tf.placeholder(tf.float32, shape=(None, None, 3))
y = tf.placeholder(tf.float32, shape=(None, None, 3))
operation = some_function(x, y)

其中x和y是图像。如何重写代码，以便可以用一个y评估多个x。我想做这样的事情：

x = tf.placeholder(tf.float32, shape=(None, None, 3))
y = []
x = []
for _y in y:
    operation = some_function(x, _y)
    z.append(operation)

现在我就这样做：

x = tf.placeholder(tf.float32, shape=(None, None, 3))
y = tf.placeholder(tf.float32, shape=(None, None, None, 3)) #add extra dimension
z = tf.unstack(tf.map_fn(some_function, y))

但是问题是当我这样做时，tf.unpack抛出一个错误，表明它不知道y的大小而失败。

此操作可以解决此问题，在该操作中，我使用图像总数初始化y的0索引。

x = tf.placeholder(tf.float32, shape=(None, None, 3))
y = tf.placeholder(tf.float32, shape=(2, None, None, 3)) #add extra dimension
z = tf.unstack(tf.map_fn(some_function, y))

然后使用以下方法评估值：

y_values = np.stack([y_value1, y_value2])
out = sess.run(operation, feed_dict={x: x_value, , y: y_values })

理想情况下，我希望此变量是变量，而不必初始化占位符的值。可以说我希望它对所有不同的y值进行加权和。每次只有1 y或5 y秒，等等。

如何在张量流中的占位符中接受张量列表？

0 个答案: