在 Tensorflow 中馈送隐藏的张量

Question

我有一个autoencoder.模型现在并不重要。假设该模型将一些图像作为输入并输出重建的图像。训练后，我想看看一个张量对输出的影响。此外，图像通过FIFOQueue馈入autoencoder。因此，在运行以下代码和平时：

reconstructed_image = sess.run([deconv_image], feed_dict={mu:my_vector})

其中deconv_image是模型的输出tensor，mu是模型内部的隐藏张量;将自动向模型提供来自Queue的图像。

我的问题是：mu里面的值是否会被输入图像中的任何值替换，或者它采用我使用feed_dict参数输入的向量。

任何帮助都非常感谢！！

Answer 1

当运行最终张量时，即计算图的最后一个张量，它将运行它所依赖的所有张量。因此，如果我们有依赖于y2y3操作，而y2依赖于y1，那么，在图中运行最终张量将导致首先运行y1，然后在y2从y1获得输入后进行评估，最后，y2的输出将馈送到y3中。此图可能如下所示：y1 -> y2 -> y3

另一方面，我可以通过使用feed_dict参数直接提供其输入来运行(评估(y3。在这种情况下，将评估y2和y1。

前任：

import tensorflow as tf
import numpy as np
x = np.array([1.0, 2.0, 3.0])
x_var = tf.Variable(x, dtype=tf.float32)
y1 = tf.square(x_var)
y2 = tf.subtract(y1, tf.constant(1.0))
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init_op)
print(sess.run(y2)) # Output: [ 0.  3.  8.]
print(sess.run(y2, feed_dict={y1: [1.0, 1.0, 1.0]}))# Output: [ 0.  0.  0.]