如何使用 Tensorflow 中的占位符从占位符列表中获取占位符？答案

【问题标题】：How to get a placeholder from a list of placeholders using a placeholder in Tensorflow?如何使用 Tensorflow 中的占位符从占位符列表中获取占位符？
【发布时间】：2018-03-14 16:29:05
【问题描述】：

我有一个占位符列表如下：

input_vars = []
input_vars.append(tf.placeholder(shape=[None, 5], dtype=tf.float32, name="place0"))
input_vars.append(tf.placeholder(shape=[None, 5], dtype=tf.float32, name="place1"))
input_vars.append(tf.placeholder(shape=[None, 5], dtype=tf.float32, name="place2"))

我想根据一个int占位符访问不同的占位符，如下：

which_input = tf.placeholder(tf.int32)

在会话中调用以下内容时：

input_vars[which_input]

我收到以下错误：

TypeError：列表索引必须是整数，而不是张量

我尝试使用有效的 tf.gather，但是当我想在密集层中提供选定的占位符时，如下所示：

helpme = tf.gather(input_vars, which_input)
l_in = tf.layers.dense(inputs=helpme, units=64, activation=tf.nn.relu, trainable=True)

我收到以下错误：

ValueError: Input 0 of layer dense_4 is in compatible with the layer: its rank is undefined, but the layer requires a defined rank.

这是会话运行信息：

x = [[1,2,3,4,5]]
x.append([6,7,8,9,10])

y = [[5,4,3,2,1]]
y.append([5,3,2,1,1])

with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)
    dictd = dict()
    dictd[input_vars[0]] = x
    dictd[input_vars[1]] = y
    dictd[input_vars[2]] = x
    dictd[which_input] = 2

    print sess.run(l_in, feed_dict=dictd)

我错过了什么吗？如何做到这一点？

【问题讨论】：

您要解决的实际基础任务是什么？也许有一种解决方法不需要“占位符的占位符”。
@mikkola 我有一个计算图，它需要为相同的神经网络提供不同类型的输入（input_vars）来计算损失函数。因此需要。
我还是有点迷茫。你不需要同时喂它们，一次只喂一个？那么损失函数有什么样的签名呢？
@mikkola ：损失函数有多个部分。每个部分都需要相同的神经网络来评估不同的输入并产生输出。然后使用这个产生的输出来计算损失函数。例如，loss = loss_1 + loss_2;loss_1 要求我将input_var[0] 提供给 NN，获取其输出，转换为标量并添加到损失函数。同样，loss_2 要求我将input_var[1] 提供给 NN，获取其输出，转换为标量并添加到损失函数。所以总的来说，我应该能够在同一个计算图中选择给 NN 的输入。
也许您可以同时在不同的占位符中同时输入两个input_vars，并设置您的计算图以使用同一网络处理两者？如果您将网络设置为具有两个与share the variables 相同的分支，例如权重和偏差，您应该能够做到这一点。

标签： tensorflow

【解决方案1】：

您只需要按照this 回答中的说明从 tf.gather 重塑您的输出：

l_in = tf.layers.dense(inputs=tf.reshape(helpme, shape=[-1,5]), units=64, activation=tf.nn.relu, trainable=True)

【讨论】：