首页 文章

在Tensorflow中提供隐藏的张量

提问于
浏览 次
0

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！！

tensorflow autoencoder

1 回答

  • 0

    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：

    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.]
    回复于

相关问题