Tensorflow：用 tf.Variable 替换/提供图形的占位符？

Posted 2023-03-05

【中文标题】Tensorflow：用 tf.Variable 替换/提供图形的占位符？

【英文标题】：Tensorflow: Replacing/feeding a placeholder of a graph with tf.Variable?

【发布时间】：2018-10-14 23:59:24

【问题描述】：

我有一个模型M1，其数据输入是占位符M1.input，并且其权重经过训练。 我的目标是建立一个新模型M2，它从w 的输入w 以tf.Variable 的形式计算M1 的输出o（具有训练的权重）（而不是将实际值提供给@987654328 @)。换句话说，我使用训练好的模型M1作为黑盒函数来构建一个新模型o = M1(w)（在我的新模型中，w是要学习的，M1的权重固定为常数）。问题是M1 只接受M1.input 作为它的输入，我们需要通过它输入实际值，而不是像w 这样的tf.Variable。

作为构建M2 的简单解决方案，我可以在M2 内手动构建M1，然后使用预训练值初始化M1 的权重，并使其在M2 内不可训​​练。然而，在实践中，M1 很复杂，我不想在M2 中再次手动构建M1。我正在寻找一个更优雅的解决方案，例如解决方法或直接解决方案，用 tf.Variable w 替换 M1 的输入占位符 M1.input。

感谢您的宝贵时间。

【参考方案1】：

这是可能的。怎么样：

import tensorflow as tf


def M1(input, reuse=False):
    with tf.variable_scope('model_1', reuse=reuse):
        param = tf.get_variable('param', [1])
        o = input + param
        return o


w = tf.get_variable('some_w', [1])
plhdr = tf.placeholder_with_default(w, [1])

output_m1 = M1(plhdr)

with tf.Session() as sess:

    sess.run(tf.global_variables_initializer())

    sess.run(w.assign([42]))

    print(sess.run(output_m1, plhdr: [0]))  # direct from placeholder
    print(sess.run(output_m1))                # direct from variable

所以当 feed_dict 有占位符的值时，就会使用这个值。否则，使用变量“w”的后备选项处于活动状态。