TensorFlow feed_dict 问题

Posted 2023-03-15

【中文标题】TensorFlow feed_dict 问题

【英文标题】：Tensorflow feed_dict issue

【发布时间】：2017-12-21 16:52:34

【问题描述】：

所以我是 Tensorflow 的新手，我试图准确了解何时使用 feed_dict 以及何时不需要。

但是，我对 feed_dict 的工作方式感到困惑。

例如： 1 和 2 和 3 一样吗？

1. accuracy, cost = sess.run([accuracy, cost], feed_dict = X:X_batch, Y:Y_batch)

2. accuracy  = sess.run(accuracy, feed_dict = X:X_batch, Y: Y_batch)
   cost = sess.run(cost, feed_dict = X:X_batch, Y:Y_batch)

3. accuracy = sess.run(accuracy, feed_dict = X:X_batch, Y:Y_batch)
   cost = sess.run(cost)

我不知道如果 tensorflow 在成本中接收到相同的 feed_dict 并且在 tensorflow 图中计算精度已经计算成本，是否再次通过神经网络来评估值，或者它会返回计算的值而不经过又上网了？

另外，由于图中已经计算了成本，如果我想检索最新计算的成本，我可以按照 3 的方式进行吗？

另外，来自Hvass-Labs/TensorFlow-Tutorials/TensorFlow Tutorial #02 Convolutional Neural Network，

在函数 plot_conv_weights(weights, input_channel=0)

weights = sess.run(conv_weigh)

由于训练权重需要我们用值填充占位符 X 和 Y，但在这里我没有看到 feed_dict。

那么 feed_dict 究竟是如何工作的？

ps： 所以我在 tensorflow github 中提出了这个问题，但他们关闭了我的问题，并向我展示了 tf.Session().run() 的工作原理。

根据我从文档中了解到的情况，如果获取 tf.Operation 将返回 None。而 tf.Operation 是张量流图中的节点，对两个张量进行计算。

但是，我认为这份文件与我的问题无关...

【参考方案1】：

要了解feed_dict，您需要了解 TensorFlow 的工作原理。在 TF 中，一切都是惰性求值的。

这是一个简单的例子：

import tensorflow as tf
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
c = tf.add(a, b)

sess = tf.Session()
print(sess.run(c, feed_dict=a: 1, b: 2))
sess.close()

从代码中您可以看到我们有两个未填充任何数字的占位符。我们的目标是计算a 和b 的总和。通过feed_dict，我们基本上是用值填充它。这个概念也适用于您的问题。

关于您的问题是否相同：

1. accuracy, cost = sess.run([accuracy, cost], feed_dict = X:X_batch, Y:Y_batch)

2. accuracy  = sess.run(accuracy, feed_dict = X:X_batch, Y: Y_batch)
   cost = sess.run(cost, feed_dict = X:X_batch, Y:Y_batch)

答案是肯定的。 TensorFlow 的另一个概念是计算与图分离，这意味着只要您的计算在相同的session 中运行，acurracy 和cost 也将获得相同的结果。但我们当然更喜欢 1)。

关于你的最后一个问题，关于权重函数。在他的笔记本上你可以看到不涉及计算：

# Retrieve the values of the weight-variables from TensorFlow.
# A feed-dict is not necessary because nothing is calculated.
w = session.run(weights)

他只是在绘制由optimize 函数引起的权重输出。

【讨论】：

谢谢，现在对我来说很有意义。所以关于我的第二个问题，我的理解是，由于图中的权重是一个张量变量。如果我错了，请纠正我。如果计算权重，例如 weights = tf.reshape(X, [-1,10])，我们需要 feed_dict 来找到权重？