Tensorflow - 將佔位符值分配給變量

我試圖修改TensorFlow MNIST示例，以便在生成結果之前將佔位符輸入值傳遞給操作變量。Tensorflow - 將佔位符值分配給變量

例如：

import tensorflow as tf 

# create placeholder/weights/biases 
input_x = tf.placeholder(tf.float32, [None, 784]) 
input_W = tf.Variable(tf.zeros([784, 10])) 
input_b = tf.Variable(tf.zeros([10])) 

# Create the new variable 
var_x = tf.Variable(tf.zeros([784]), trainable=False) 

# Perform an arbitrary manipulation on MNIST input, and assign to var_x 
for i in range(0,784): 
    var_x[i].assign(input_x[i]/2) 

input_Y = tf.matmul(var_x, input_W) + input_b

在上面的例子中，我通過佔位符值input_X成var_X，哪裏可以通過權重相乘，以獲得輸出結果之前，對值執行任意操作，。

，我發現了以下錯誤的tf.matmul：

ValueError: Shape must be rank 2 but is rank 1 for 'MatMul' (op: 'MatMul') with input shapes: [784], [784,10].

我很困惑，爲什麼在上面的例子中，這個工程：

tf.matmul(input_x, input_W) + input_b

但這並不：

tf.matmul(var_x, input_W) _ input_b

由於input_x和var_x都應該是784長度的向量。

我基本上希望它與正常MNIST示例中的矩陣乘法完全相同，但使用變量而不是佔位符。

這似乎應該是超級直觀，但我是TensorFlow的新手，儘管閱讀了很多教程/ SO問題，但我從未在任何地方見過這種特殊場景。

在此先感謝您的任何建議！

來源

2017-04-26 inkbleed

由於input_x和var_x都應該是784長度的向量。

這並不完全正確。 Input_x的形狀爲[無，784]，var_x的形狀爲[784]。

不幸的是，我完全不明白你正在嘗試做的...

我基本上希望它是完全一樣的矩陣乘法你不得不在正常的MNIST例子，但使用一個變量而不是佔位符。

如果你想使用一個變量，而不是一個佔位符，你可以說

input_x = tf.Variable(tf.float32, preloaded_digits_numpy_array)

而離開代碼的其餘部分像它...

來源

2017-04-26 12:57:33 rmeertens

感謝您的答覆，對不起，如果它不清楚。我想正常地將數字加載到佔位符中，但在計算結果之前對這些值進行一些操作。 – inkbleed

對不起，我的評論去掉了。我想補充：所以在上面的例子中，我將佔位符的饋送值減半。同樣，我可能想佔用佔位符值，並將它們合併或平均它們等等。我可能希望最終對多個變量執行此操作，因此input_x需要與更新/ matmul'd變量分開。希望更清楚！歡呼 – inkbleed

嗯，在這種情況下，爲什麼不用numpy來執行這個操作，然後把它送入圖表？ – rmeertens

Tensorflow - 將佔位符值分配給變量

回答

相關問題