如何在Tensorflow中复制操作和占位符
如何在Tensorflow中复制操作和占位符
提问于 2016-06-11 05:34:06
假设我定义了两个神经网络模型，每个模型都有一个输入占位符和一个输出张量。从这两个输出中，我需要3个单独的值。
inputs: i1, i2, outputs: o1, o2
a = 1
b = 2
v1 = session.run(o1, feed_dict={i1: a})
v2 = session.run(o1, feed_dict={i1: b})
v3 = session.run(o2, feed_dict={i2: a})问题是，我需要将这3个值输入一个损失函数，这样我就不能这样做了。我需要做的
loss = session.run(L, feed_dict={i1: a, i1: b, i2:a })我不认为我能做到这一点，但是即使我可以，在以后的操作中我仍然会有模糊性，因为带有输入i1的i1与o1与输入i2的用法不同。
我认为可以通过在第一个神经网络中有两个输入占位符和两个输出来解决这个问题。因此，既然我已经有了一个模型，那么是否有一种方法来重组输入和输出，使我能够适应这种情况？
在视觉上我想翻个身
i1 ---- (model) ----- o1 转到
i1a o1a
\ /
\ /
x ----- (model) ----- x
/ \
/ \
i1b o1b回答 1
Stack Overflow用户
回答已采纳
发布于 2016-06-11 07:05:46
您的直觉是正确的，您必须为您的网络1创建两个不同的占位符i1a和i1b，其中有两个输出o1a和o1b。你的视觉效果很好，下面是我的建议：
i1a ----- (model) ----- o1a
|
shared weights
|
i1b ----- (model) ----- o1b正确的方法是通过对每个带有tf.get_variable()的变量使用reuse=True来复制您的网络。
def create_variables():
with tf.variable_scope('model'):
w1 = tf.get_variable('w1', [1, 2])
b1 = tf.get_variable('b1', [2])
def inference(input):
with tf.variable_scope('model', reuse=True):
w1 = tf.get_variable('w1')
b1 = tf.get_variable('b1')
output = tf.matmul(input, w1) + b1
return output
create_variables()
i1a = tf.placeholder(tf.float32, [3, 1])
o1a = inference(i1a)
i1b = tf.placeholder(tf.float32, [3, 1])
o1b = inference(i1b)
loss = tf.reduce_mean(o1a - o1b)
with tf.Session() as sess:
sess.run(tf.initialize_all_variables())
sess.run(loss, feed_dict={i1a: [[0.], [1.], [2.]], i1b: [[0.5], [1.5], [2.5]]})页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/37760323
复制相关文章
相似问题
腾讯云开发者
