在张量流中对具有共同输入的占位符进行分组

Question

我有 n 个网络，其中所有输入都带有占位符，我想将所有这些网络链接到另一个占位符（之后创建）作为公共输入。

class GroupOfNetworks(object):
    def __init__(self,subtask_nets,ob_space):
        self.x_inputs = [st_net.x for st_net in subtask_nets]    #list of network inputs

其中st_net.x 是一个占位符，声明如下。

class Network(object):
     def __init__(self, ob_space):
          self.x = tf.placeholder(tf.float32, [None] + list(ob_space)) `#single network input

我希望对所有这些网络都有一个共同的输入，因此我只需要在我的feed_dict 中有一个键值对。我尝试对占位符进行分配操作（下面的代码 sn-p），但这会引发错误，因为它们是张量而不是变量。

#in class GroupOfNetworks...
common_x = tf.placeholder(tf.float32, [None] + list(ob_space),"common_input")
set_input = tf.assign(self.x_inputs[0].x,common_x,"link_subtask_input") # DOES NOT WORK

到目前为止，我一直使用以编程方式生成的 feed_dict（如下所示），但这不在图表上，并且在从 .meta 文件加载图表时无法导入。

def make_common_feed_dict(self,x):
    return {placeholder:x for placeholder in self.x_inputs}

有人知道更好的解决方案吗？

Answer 1

由于您的网络中的每个网络都需要一个占位符（因此需要相同的输入），因此只需在任何地方使用相同的占位符即可。

不要在对象__init__ 方法中创建占位符，而是在外部创建它并将其传递给您创建的每个对象。 做这样的事情：

# Define your network in this way
class Network(object):
     def __init__(self, placeholder):
          self.x = placeholder

然后，在初始化 Network 对象之前定义占位符，然后使用它

input_placeholder = tf.placeholder(tf.float32, [None] + list(ob_space))

network_a = Network(input_placeholder)
network_b = Network(input_placeholder)

它们，假设Network 对象有一个get 方法来获取输出张量，你可以执行network_a 和network_b 给它们提供相同的值：

sess.run([network_a.get(), network_b.get()], feed_dict={input_placeholder: value})