如何使用单个Run将多个输入样本提供给C ++中的张量流模型

Posted 2021-04-03

使用python tensorflow API，可以执行以下操作：

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b

sess.run(adder_node, {a: [1,3], b: [2, 4]})

结果：[3. 7.]

有没有什么办法在C ++中通过一次调用Run方法为模型提供多个输入？我试图使用feed_dicts的std :: vector

// prepare tensorflow inputs
std::vector<std::pair<std::string, tensorflow::Tensor>> feed_dict;
for(size_t i = 0; i < noutput_items; i++) {
    tensorflow::TensorShape data_shape({1, d_vlen_in});
    tensorflow::Tensor n_tensor(tensorflow::DT_FLOAT, data_shape);
    auto n_data = n_tensor.flat<float>().data();
    for(int j = 0 ; j < d_vlen_in ; j++) {
        n_data[j] = in[j];
    }
    feed_dict.push_back(std::make_pair(d_layer_in, n_tensor));
    in += d_vlen_in;
}

// prepare tensorflow outputs
std::vector<tensorflow::Tensor> outputs;

TF_CHECK_OK(d_session->Run(feed_dict, {d_layer_out}, {}, &outputs));

d_layer_in和d_layer_out是std::strings，“input”是我的输入图层/占位符。

然而它失败了：

Non-OK-status: d_session->Run(feed_dict, {d_layer_out}, {}, &outputs) status: Invalid argument: Endpoint "input" fed more than once.

有人知道这样做的方法吗？我的主要目标是提高吞吐量。

答案

所以我想出了答案，这很简单。 feed字典的几个元素用于设置几个输入变量，与python中的相同。然而，输入张量的第一（或零）维度是批量维度，其在某种情况下可以用作输入信号的时间维度。

// prepare tensorflow inputs
// dimension 0 is the batch dimension, i.e., time dimension
tensorflow::TensorShape data_shape({noutput_items, d_vlen_in});
tensorflow::Tensor in_tensor(tensorflow::DT_FLOAT, data_shape);
auto in_tensor_data = in_tensor.flat<float>().data();
for(size_t i = 0; i < noutput_items; i++) {
    for(int j = 0 ; j < d_vlen_in ; j++) {
        in_tensor_data[(i*d_vlen_in)+j] = in[(i*d_vlen_in)+j];
    }
}
std::vector<std::pair<std::string, tensorflow::Tensor>> feed_dict = {
    { d_layer_in, in_tensor },
};

// prepare tensorflow outputs
std::vector<tensorflow::Tensor> outputs;

TF_CHECK_OK(d_session->Run(feed_dict, {d_layer_out}, {}, &outputs));

这当然会引入一些缓冲/延迟，但它使我的吞吐量增加了大约1000倍。