TensorFlow：get_variable() 但对于占位符？

Question

有一个函数tf.get_variable('name') 允许“隐式”将参数传递给函数，例如：

def function(sess, feed):
    with tf.variable_scope('training', reuse=True):
        cost = tf.get_variable('cost')
    value = sess.run(cost, feed_dict=feed) 
    # other statements

但是如果想将tf.placeholder 传递给函数怎么办？占位符是否有相同的机制，例如tf.get_placeholder():

def function(sess, cost, X_train, y_train):
    # Note this is NOT a valid TF code
    with tf.variable_scope('training', reuse=True):
        features = tf.get_placeholder('features')
        labels = tf.get_placeholder('labels')
    feed = {features: X_train, labels: y_train}
    value = sess.run(cost, feed_dict=feed)
    print('Cost: %s' % value)    

或者在函数内部构造占位符并没有太大意义？

Answer 1

占位符只是...占位符。就好像它具有某种状态一样“获取”一个占位符是没有意义的（这就是 get 变量所做的，返回一个处于当前状态的变量）。

在任何地方都使用相同的 python 变量。

此外，如果您不想传递 python 变量，因为您的方法 signaturl 变得丑陋，您可以利用您正在构建一个图表并且图表本身包含有关已声明占位符的信息这一事实。

你可以这样做：

#define your placeholder
a = tf.placeholder(tf.float32, name="asd")

# then, when you need it, fetch if from the graph
graph = tf.get_default_graph()
placeholder = graph.get_tensor_by_name("asd:0")

Answer 2

除了如果你在同一个脚本中工作，你不应该需要这个，你可以通过按名称获取张量来做到这一点，如Tensorflow: How to get a tensor by name?

例如

p = tf.placeholder(tf.float32)
p2 = tf.get_default_graph().get_tensor_by_name(p.name)

assert p == p2