Tensorflow：如何爲張量提供佔位符變量？

Question

我有一個佔位符變量期望一個批輸入圖像：

input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images') 

現在我有2個源用於將輸入數據：
1）張量和
2）一些numpy的數據。

對於numpy的輸入數據，我知道如何把數據反饋給佔位符變量：

sess = tf.Session() 
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData}) 

我怎麼能養活張到佔位符變量？

mLoss, = sess.run([loss], feed_dict = {input_placeholder: myInputTensor}) 

給我一個錯誤：

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays. 

我不想張量轉換成使用.eval()一個numpy的陣列，因爲這會減緩我的程序下來，有沒有其他辦法？

Answer 1

這適用於我最新版本...也許你有TF的舊版本？

a = tf.Variable(1) 
sess.run(2*a, feed_dict={a:5}) # prints 10 

Answer 2

您可以使用feed_dict將數據提供給非佔位符。因此，首先，將數據流圖直接連接到張量數據源（即不使用佔位符）。然後，當你想與您的numpy的數據運行，你可以有效地掩蓋myImportTensor與myNumpyData，像這樣：

mLoss, = sess.run([loss], feed_dict={myImportTensor: myNumpyData}) 

[我還在努力弄清楚如何與多個但是張量數據源做到這一點。]

Answer 3

2016年在GitHub上對此進行了討論，請檢查here。這裏的關鍵點在於通過concretevitamin：

One key thing to note is that Tensor is simply a symbolic object. The values of your feed_dict are the actual values, e.g. a Numpy ndarry.

張量作爲符號對象在圖形流而實際值是在其外部，那麼我們只能通過實際的值到圖形和符號對象不能存在於圖表之外。