在 python 中为 plceholder 定义一个feed_dict

Question

我不擅长Python。我想知道如何使用Python为Tensforflow中的占位符定义feed_dict。我确实查了我的问题，最接近的是这里C++。

假设我有以下张量：

(<tf.Tensor 'Mul:0' shape=<unknown> dtype=float32>,)

无feed_dict看：

print sess.run('Mul:0')

带来此错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Mul' with dtype float
[[Node: Mul = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]

感谢任何帮助。

Answer 1

通常使用占位符将值提供给操作。假设您有一个网络，其中包含一个名为train_op的训练操作，并为输入数据定义了占位符：data和目标标签：target。然后，当您运行训练循环时，您将在每次迭代时收集一些训练数据和关联的标签，并使用feed_dict将它们提供给您的训练操作。它看起来像这样：

for _ in range(num_iterations):
# Gather a batch of training data and targets somehow...
d = dataset.get_next_batch()
t = dataset.get_next_target_batch()
# Run the training operation
sess.run(train_op, feed_dict={data: d, target: t})

所以我不确定您演示的用例是否有意义，但以上通常是您使用feed_dict的方式。