Question

我想做这样的事情：

def f():
    place = tf.placeholder(tf.int32)
    return 2 * place

y = f()

with tf.Session() as sess:
    a = sess.run(y, feed_dict={ place: 5 })

当然，在外面看不到占位符。

NameError                                 Traceback (most recent call last)
<ipython-input-88-8b3c17d16dce> in <module>()
      1 with tf.Session() as sess:
----> 2     a = sess.run(y, feed_dict={ place: 5 })

NameError: name 'place' is not defined

而且，我可以通过以下方式解决此问题：

def f():
    global place
    place = tf.placeholder(tf.int32)
    return 2 * place

但是，有人对此有更好的解决方案吗？如上例所示，当调用函数并将其返回值作为运算符传递给运行函数时，如何在函数内部创建占位符并向其外部馈送值。

Answer 1

这纯粹是Python，但您可以简单地将占位符与由此创建的图形op一起返回。

赞：

return place*2, place

然后像这样使用f（）：

y, place = f()

我认为在Tensorflow中的一个班级工作是一个好主意，并且能够轻松地在任何地方访问这些占位符。

编辑：当然，总是可以给占位符起一个名字，然后在需要输入时从图形中获取它。

Answer 2

您可以按其名称访问占位符：

import tensorflow as tf

def f():
    place = tf.placeholder(tf.int32,name='place')
    return 2 * place

y = f()

with tf.Session() as sess:
    place = tf.get_default_graph().get_tensor_by_name('place:0')
    a = sess.run(y, feed_dict={ place: 5 })

说明

每当您定义一个占位符（或任何其他TensorFlow张量或操作）时，它就会被添加到计算图中，该图是位于后台并管理所有计算的对象。每个占位符都有一个默认名称，但是您也可以为其选择一个名称。在此示例中，我选择了名称place。

现在，对于高级用例，您可能有多个计算图，但是始终有一个是默认图。为了获得默认值，我使用了tf.get_default_graph()。然后，为了获得对占位符的引用，我使用了get_tensor_by_name('place:0')。（我使用的名称是'place:0'而不是'place'，因为定义占位符时，实际上会创建一个tf.Tensor可以供稿，并且创建的也是执行供稿的操作。该操作将具有名称'place'，而实际张量将具有名称'place:0'。）

函数

2 个答案:

说明