我有一些 autoencoder
. 该模型现在并不重要 . 假设该模型将一些图像作为输入并输出重建图像 . 训练结束后,我希望看到一个张量对输出的影响 . 此外,图像通过 FIFOQueue
输入 autoencoder
. 因此,在运行以下代码时:
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;将使用 Queue
中的图像自动为模型提供信息 .
我的问题是: mu
中的值是否会被来自输入图像的任何内容所取代,或者,它采用我使用 feed_dict
参数提供的向量 .
任何帮助深表感谢!!
1 回答
当运行最终张量时,即评估图的最后张量时,它将运行它所依赖的所有张量 . 因此,如果我们有依赖于
y2
的y3
操作和y2
取决于y1
,则在图中运行最终张量将导致y1
首先运行,然后y2
在从y1
获取其输入后进行评估,最后输出y2
将输入y3
. 此图表可能如下所示:y1 -> y2 -> y3
另一方面,我可以通过使用
feed_dict
参数直接输入其输入来运行(求值)y3
. 在这种情况下,将评估y2
和y1
.例如: