[tensorflow] feed_dict 传入序列

matdodo

15097人浏览 · 2017-03-08 23:24:29

matdodo · 2017-03-08 23:24:29 发布

当前， tensorflow（1.0）还不是很人性化。

在session中传入序列参数到图模型中并不是很方便。

所以，现在只能将序列中每一个元素对应的tensor和实际值对应写入dict进行传送。

比如，

定义图时，把将填入的tensor，先用placeholder占位：

   with graph.as_default():

      nn_weights  = [tf.placeholder(tf.float32, 
 
                          shape =(layer_params[ii], layer_params[ii + 1])) 
  
                          for ii  in  range( len(layer_params) - 1)]

之后，在session中，目前来看必须一一对应地传值。

  with tf.Session( graph =graph)  as session:
 
      tf.global_variables_initializer().run()
 
         feed_dict = {ii:dd  for ii, dd  in  zip(nn_weights, real_nn_weights)}
    
         result = session.run(some_value, feed_dict=feed_dict)

不过，目前有了tensorboard，想必tensorflow团体正在使tensorflow更加人性化。

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

1.8B 体积、33 种语言互译｜腾讯混元 HY-MT1.5-1.8B 多语言机器翻译模型上线

在跨语言交流日益频繁的今天，阅读外语菜单、处理多语言邮件、与不同语言背景的人沟通，已经成为很多人日常工作与生活的一部分。过去，这类需求往往依赖联网翻译工具，而如今，—— 一部设备即可支持的相互翻译。当 AI 不再只是“逐字直译”，而是开始理解语境、风格与语言之间的细微差异，机器翻译就真正具备了今天为大家介绍一款高质量、多语言、支持端侧部署的机器翻译模型 ——，现已上线 AtomGit AI 社区，