在 TensorFlow 中使用 feed_dict 将值提供给变量答案

【问题标题】：Feeding values to a Variable using feed_dict in TensorFlow在 TensorFlow 中使用 feed_dict 将值提供给变量
【发布时间】：2017-05-05 07:06:00
【问题描述】：

我通过 https://www.tensorflow.org/get_started/mnist/pros。阅读“请注意，您可以使用 feed_dict 替换计算图中的任何张量——它不仅限于占位符”，我尝试使用 feed_dict 为变量赋值，如下所示：

print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, 
                           W[:, :]: np.zeros((784, 10))}))

但是，它给出的原始准确度为 0.9149（我预计约为 0.1）。我可以在使用 feed_dict 初始化后为变量赋予常量值吗？

【问题讨论】：

我相信 W 没有被覆盖，因为您正在调用它的切片。 W: np.zeros((784, 10)) 有效吗？

标签： variables tensorflow variable-assignment

【解决方案1】：

在您的答案中，您已经将常量零传递给 W 这是一个变量。而在声明中

请注意，您可以使用 feed_dict 替换计算图中的任何张量——它不仅限于占位符

您通过 feed_dict 传递到图中的所有内容都是（通常是 numpy 的）常量，因此您也可以获得肯定的答案。

【讨论】：

【解决方案2】：

在将值提供给曾经偶然工作的（非资源）变量时，it should not work actually。我高度怀疑您正在使用资源变量。

你可以使用load:

with tf.Session() as sess:
    var1 = tf.get_variable('var1', initializer=5.)  # var1 has value 5.
    sess.run(tf.global_variables_initializer())
    x = var1 ** 2 + 1.
    sess.run(x)  # -> 26 (=5**2 + 1)
    var1.load(value=3., session=sess)  # now var1 has value 3.
    sess.run(x)  # -> 10 (=3**2 + 1)

【讨论】：