无法在张量流中使用占位符初始化变量

Question

如何使用占位符创建变量作为初始值设定项？下图分解为：

InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder_1' with dtype float
     [[node Placeholder_1 (defined at <ipython-input-10-b8d54264dc85>:3)  = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

我的代码：

tf.reset_default_graph()
a = tf.placeholder(dtype=tf.float32,shape=())
d = tf.placeholder(dtype=tf.float32,shape=())
b = tf.get_variable(name='b',initializer=d)
c=a+d
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(c, feed_dict={a:5.,d:10.}))

tensorflow 中关于初始化器的文档说：

变量的初始化器（如果已创建）。可以是初始化对象或张量。如果是张量，则必须知道其形状，除非 validate_shape 为 False。

但是，如果我注释掉我创建 b 的行，代码似乎可以运行。我的 fetch 甚至不依赖于 b。

如何创建根据某个占位符进行初始化的变量？

Answer 1

我认为https://github.com/tensorflow/tensorflow/issues/4920中描述了您的问题

我的解决方法是使用tf.assign，它就像一个惰性初始化器，形状将在从d 和tf.zeros_like 推断出来之前。为了了解它是如何工作的，我将b 设为资源变量，以便它在sess.run 调用之间保持状态。

tf.reset_default_graph()
a = tf.placeholder(dtype=tf.float32,shape=(), name='a')
d = tf.placeholder(dtype=tf.float32,shape=(), name='d')
b = tf.get_variable(name='b', initializer=tf.zeros_like(d), use_resource=True)
b_init = tf.assign(b, d)
c=a+d
add_one = tf.assign(b,tf.add(b,tf.ones_like(b)))
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())   
    print(sess.run([c, b_init], feed_dict={a:5.,d:10.}))    
    for i in range(10): 
        sess.run(add_one)
        print(sess.run([c,b], feed_dict={a:5.,d:10.}))

输出

[15.0, 10.0]
[15.0, 11.0]
[15.0, 12.0]
[15.0, 13.0]
[15.0, 14.0]
[15.0, 15.0]
[15.0, 16.0]
[15.0, 17.0]
[15.0, 18.0]
[15.0, 19.0]
[15.0, 20.0]