在没有 TensorFlow 占位符的情况下工作答案

【问题标题】：Working without TensorFlow placeholder在没有 TensorFlow 占位符的情况下工作
【发布时间】：2017-07-26 05:05:41
【问题描述】：

直到最近，我在 TF 中的所有代码都使用tf.placeholder 来表示输入。这非常方便，因为它允许我向我的网络提供一批任意长度的数据，允许在不同的地方使用相同的代码（训练、测试、预测......）

在发现feed_dict这么慢后，我想改变并开始使用管道，它基本上使用tf.Variables而不是占位符：每个变量都是一个固定长度张量，并且表示用作网络输入的批次。

我的问题是，虽然占位符“解绑”并且您必须向其提供数据，但管道绑定到输入数据。因此，例如，一旦我将管道设置为批量使用大小为 10 的训练数据，我就无法批量使用测试集中的数据，例如 12 个示例。

或者我可以吗？

没有占位符的正确工作方式是什么？

【问题讨论】：

【解决方案1】：

cifar10 示例不使用占位符。它使用 tf.FixedLengthRecordReader 和 tf.train.shuffle_batch。生成的输入图像批次直接传递给 CNN，无需占位符。

请参考tensorflow的官方教程，是python代码：

另外，在测试时，您可以将测试数据的管道与训练数据中的不同批次数链接起来。

【讨论】：

【解决方案2】：

除了固定大小的变量之外，我找不到任何其他没有占位符的工作方法。

显然，除了官方文档reading data 建议的方法之外，没有其他推荐的管道使用方法。

【讨论】：