使用张量流将占位符与另一个占位符馈送

Question

以下情况： 有一个生产服务器(C++(正在运行Tensorflow。那里的代码期望只有一个输入Placeholder，它被馈送到类似于feed_dict:{'input':...}。我无法更改服务器代码。我只能提供一个新的图表，它必须有一个叫做input的Placeholder。

使用tensorflow，我有一些代码可以创建两个具有不同范围的相同神经网络：

dnn1 = DNN(scope='dnn1')
dnn2 = DNN(scope='dnn2')

两个 DNN 都有一个输入Placeholder：<tf.Tensor 'dnn1/input:0' shape=(50) dtype=float32>和<tf.Tensor 'dnn2/input:0' shape=(50) dtype=float32>

两个网络应该获得相同的输入。 如何使张量input流向图中的dnn1/input和dnn2/input？我也无法更改DNN类，因此最终我的图形将具有dnn1/input，dnn2/input和input作为占位符，但生产代码只会提供input。

Answer 1

创建一个输入占位符并将其用作两个网络的输入：

例如 DNN1：hidden1 = (input * W1) + b1

DNN2：hidden1 = (input * W1) + b1

你能做到吗？

Answer 2

默认情况下，您可以修改 DNN 占位符以采用生产输入占位符。因此，您仍然可以随时向他们提供自定义值。

session = tf.Session()
production_input = tf.placeholder(tf.float32, [50])
# Own placeholders
dnn_1_input = tf.placeholder_with_default(production_input, [50])
dnn_2_input = tf.placeholder_with_default(production_input, [50])
# Production environment call
result = session.run([dnn_1_input, dnn_2_input],
feed_dict={production_input: np.arange(50)})