Tensorflow：如何用张量提供占位符变量？答案

【问题标题】：Tensorflow: How to feed a placeholder variable with a tensor?Tensorflow：如何用张量提供占位符变量？
【发布时间】：2018-08-29 22:06:24
【问题描述】：

我有一个占位符变量，它需要一批输入图像：

input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')

现在我有 2 个输入数据来源：
1) 张量和
2）一些numpy数据。

对于 numpy 输入数据，我知道如何将数据提供给占位符变量：

sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})

如何将张量提供给该占位符变量？

mLoss, = sess.run([loss], feed_dict = {input_placeholder: myInputTensor})

给我一个错误：

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我不想使用.eval() 将张量转换为 numpy 数组，因为这会减慢我的程序速度，还有其他方法吗？

【问题讨论】：

标签： tensorflow

【解决方案1】：

这在 2016 年已经在 GitHub 上讨论过，请查看here。这里是concretevitamin的重点：

需要注意的一个关键点是张量只是一个符号对象。 feed_dict 的值是实际值，例如一个 Numpy ndarry。

张量作为符号对象在图中流动，而实际值在其外部，那么我们只能将实际值传递到图中，而符号对象不能存在于图之外。

【讨论】：

【解决方案2】：

您可以使用feed_dict 将数据输入非占位符。因此，首先，将您的数据流图直接连接到您的 myInputTensor 张量数据源（即不要使用占位符）。然后，当您想使用 numpy 数据运行时，您可以使用 myNumpyData 有效地屏蔽 myImportTensor，如下所示：

mLoss, = sess.run([loss], feed_dict={myImportTensor: myNumpyData})

[不过，我仍在试图弄清楚如何使用多个张量数据源来做到这一点。]

【讨论】：

【解决方案3】：

解决问题的一种方法是实际删除占位符张量并将其替换为您的“myInputTensor”。

您将使用 myInputTensor 作为图表中其他操作的源，并且当您想以 np 数组作为输入数据来推断图表时，您将直接向该张量提供一个值。

这是一个简单的例子：

import tensorflow as tf 
import numpy as np

# Input Tensor
myInputTensor = tf.ones(dtype=tf.float32, shape=1) # In your case, this would be the results of some ops

output = myInputTensor * 5.0

with tf.Session() as sess:
    print(sess.run(output)) # == 5.0, using the Tensor value
    myNumpyData = np.zeros(1)
    print(sess.run(output, {myInputTensor: myNumpyData}) # == 0.0 * 5.0 = 0.0, using the np value

【讨论】：

【解决方案4】：

这适用于我的最新版本...也许你有旧版本的 TF？

a = tf.Variable(1)
sess.run(2*a, feed_dict={a:5}) # prints 10

【讨论】：

好吧，这将为其提供数据。我需要的是feed_dict={a: someTensorObject}
正确，feed_dict 仅用于馈送数据。如果您想提供张量，请使用常规 TensorFlow API。即，tf.add(a,b)“馈送”a 和 b 到 tf.add。你可能想要sess.run(a.assign(someTensorObject))