在 Tensorflow 中输入一个隐藏的张量答案

【问题标题】：Feeding a hidden tensor in Tensorflow在 Tensorflow 中输入一个隐藏的张量
【发布时间】：2017-07-27 22:24:57
【问题描述】：

我有一个 autoencoder。模型现在并不重要。假设该模型将一些图像作为输入并输出重建图像。训练后，我想看看一个张量对输出的影响。此外，图像正在通过FIFOQueue 输入autoencoder。因此，运行时和平代码如下：

reconstructed_image = sess.run([deconv_image], feed_dict={mu:my_vector})

其中deconv_image是模型的输出tensor，mu是模型内部的隐藏张量；将自动为模型提供来自Queue 的图像。

我的问题是：mu 中的值是否会被来自输入图像的任何值替换，或者，它采用我使用 feed_dict 参数提供的向量。

非常感谢任何帮助！

【问题讨论】：

标签： tensorflow autoencoder

【解决方案1】：

在运行最终张量时，即评估图的最后一个张量，它将运行它所依赖的所有张量。因此，如果我们有依赖于y2 和y2 依赖于y1 的y3 操作，那么，在图中运行最终张量将导致y1 首先运行，然后y2 在之后评估它从y1 获取输入，最后y2 的输出将输入y3。该图可能如下：y1 -> y2 -> y3

另一方面，我可以通过使用feed_dict 参数直接输入其输入来运行（评估）y3。在这种情况下，会评估 y2 和 y1。

例如：

import tensorflow as tf
import numpy as np

x = np.array([1.0, 2.0, 3.0])

x_var = tf.Variable(x, dtype=tf.float32)

y1 = tf.square(x_var)
y2 = tf.subtract(y1, tf.constant(1.0))

init_op = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init_op)

    print(sess.run(y2)) # Output: [ 0.  3.  8.]
    print(sess.run(y2, feed_dict={y1: [1.0, 1.0, 1.0]}))# Output: [ 0.  0.  0.]

【讨论】：