我无法找到一个令人满意的答案：如何在不膨胀图表的情况下执行操作？
具体来说，我想将一些输出张量显示为图像 . 这需要调用session.run（）来转换numpy数组中的张量 . 但是session.run（）操作作为Op添加到图形中，最终Graph变得膨胀，产生：
"ValueError: GraphDef cannot be larger than 2GB"
相关代码如下：
def print_best_prediction(session, predictions, labels, best_prediction):
result = session.run(predictions[best_prediction]/tf.reduce_max(labels[best_prediction]))
plt.imshow(result, cmap='gray')
plt.show()
def train(data_set):
...define model, placeholders, optimizer_step...
with tf.device(hp.device):
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for epoch in range(hp.num_epochs):
train_images, train_labels = data_set.get_next_images()
feed_dict = {x: train_images, y: train_labels, is_training: 1}
loss_value, _, train_predictions = sess.run([loss, optimizer_step, output], feed_dict=feed_dict)
best_pair = check_accuracy(train_output, train_labels)
print_best_prediction(sess, train_output, train_labels, best_prediction)
Tensorflow不允许我们从图中删除节点 . 我想过调用一个新的tf.Session（），但这样做会导致：
'ValueError: Tensor Tensor("Placeholder:0", shape=(1, 1), dtype=int32) is not an element of this graph.'
1 回答
这正是占位符的用途 . 您可以为图像创建占位符，然后每次要打印最佳预测时，都会将图像输入到占位符并计算要计算的内容 . 这样它只会添加一次图表 .