Tensorflow：用 tf.Variable 替换/提供图形的占位符？

关键词：

【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。

【问题讨论】：

【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。

【讨论】：

tensorflow中使用tf.variable_scope和tf.get_variable的valueerror

ValueError:Variableconv1/weights1alreadyexists,disallowed.Didyoumeantosetreuse=TrueinVarScope?Originallydefinedat:在使用tensorflow中的tf.variable_scope和tf.get_variable搭建网络时，重复运行程序会报以上的ValueError错误，这是因为第二次运 查看详情

tensorflow辨异——tf.placeholder与tf.variable

https://blog.csdn.net/lanchunhui/article/details/61712830https://www.cnblogs.com/silence-tommy/p/7029561.html二者的主要区别在于：tf.Variable：主要在于一些可训练变量（trainablevariables），比如模型的权重（weights，W）或者偏执值（bias）；声明时，必须提 查看详情

莫烦tensorflow-variable

importtensorflowastfstate=tf.Variable(0,name=‘counter‘)one=tf.constant(1)new_value=tf.add(state,one)update=tf.assign(state,new_value)init=tf.initialize_all_variables()#musthaveifdefinevariablewithtf.S 查看详情

tensorflow辨异——tf.placeholder与tf.variable(代码片段)

二者的主要区别在于：tf.Variable：主要在于一些可训练变量（trainablevariables），比如模型的权重（weights，W）或者偏执值（bias）；声明时，必须提供初始值；名称的真实含义，在于变量，也即在真实训练时，其值是会改变的，自... 查看详情

tensorflow中命名空间变量命名的问题(代码片段)

1.简介对比分析tf.Variable/tf.get_variable|tf.name_scope/tf.variable_scope的异同2.说明tf.Variable创建变量；tf.get_variable创建与获取变量tf.Variable自动检测命名冲突并且处理；tf.get_variable在没有设置reuse时会报错tf.name_scope没有reuse功能，tf.get_varia 查看详情

tensorflow变量variable(代码片段)

importtensorflowastfstate=tf.Variable(0,name=‘counter‘)#定义了名字是counter，初始值为0的计数器print(state.name)one=tf.constant(1)new_value=tf.add(state,one)update=tf.assign(state,new_value)print(new_value)init=tf.in 查看详情

tensorflow函数学习笔记

##tf.Variable(？？)  创建tf变量##tf.matmul(w,x)    矩阵乘法w=tf.Variable([[0.5,1.0]])x=tf.Variable([[2.0],[1.0]])y=tf.matmul(w,x)init_op=tf.global_variables_initializer()withtf.Ses 查看详情

tensorflow-变量(代码片段)

...#-*-coding:utf-8-*-"""CreatedonWedDec1218:18:062018@author:myhaspl"""importtensorflowastftf.reset_default_graph()x1=tf.Variable(12.1,name="x1")x2=tf.Variable(18.22,name="x2")withtf.variable_scope("test1"):var1=tf.get_variable("x1",shape=(),dtype=tf.float32)withtf.variable_scope("test2"):var2=tf.get_... 查看详情

tensorflow的模型保存与加载

importosos.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘2‘importtensorflowastf#tensorboard--logdir="./"deflinearregression():withtf.variable_scope("original_data"):X=tf.random_normal([100,1],mean=0.0,stddev=1.0)y_true=tf.matmul(X,[[0.8]])+[[0.7]]withtf.variable_scope("linear_model"):weights=tf.Variable(... 查看详情

tensorflow-chp04

#coding:utf-8importtensorflowastfif__name__=='__main__':(x,y),(x_test,y_test)=tf.keras.datasets.mnist.load_data()x=tf.convert_to_tensor(x,dtype=tf.float32)/255.y=tf.convert_to_tensor(y,dtype=tf.int32)y_onehot=tf.one_hot(y,depth=10)x=tf.reshape(x,[-1,28... 查看详情

简单神经网络tensorflow实现

学习TensorFlow笔记importtensorflowastf#定义变量#Variable定义张量及shapew1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))withtf.Session()assess:print(ses 查看详情

tensorflow梯度求解tf.gradients

importtensorflowastfw1=tf.Variable([[1,2]])w2=tf.Variable([[3,4]])res=tf.matmul(w1,[[2],[1]])grads=tf.gradients(res,[w1])withtf.Session()assess:tf.global_variables_initializer().run()p 查看详情

如何在 TensorFlow 中使用 tf.get_variable 和 numpy 值初始化变量？

】如何在TensorFlow中使用tf.get_variable和numpy值初始化变量？【英文标题】：Howdoesoneinitializeavariablewithtf.get_variableandanumpyvalueinTensorFlow?【发布时间】：2016-11-0612:27:49【问题描述】：我想用numpy值初始化我网络上的一些变量。为了这个... 查看详情

tensorflow——机器学习编程框架(代码片段)

TensorFlowTensorFlow是一个机器学习（即亦包括深度学习）的编程框架。Tensor张量张量是tensorflow计算中数据的基本单位，通过.shape获取形状，.dtype获取数值类型，.numpy()获取数值（将张量以numpy数组形式返回）。变量的域两种域（scope... 查看详情

tensorflow命令行参数flags使用

importosos.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘2‘importtensorflowastf#tensorboard--logdir="./"#命令行参数pythonx.py--max_step=500tf.app.flags.DEFINE_integer("max_step",1000,"trainstepnumber")FLAGS=tf.app.flags.FLAGSdeflinearregression():withtf.variable_scope("original_data"):X=tf.random_no... 查看详情

tensorflow1.0officialbasement

tensorflow1.0新的赋值形式。W=tf.Variable([.3],tf.float32)b=tf.Variable([-.3],tf.float32)x=tf.placeholder(tf.float32)linear_model=W*x+bprint(linear_model,{x:[1,2,3,4]}) 查看详情

tensorflow--tensorflowboard(代码片段)

基本符号  代码：#-*-coding:UTF-8-*-#引入tensorflowimporttensorflowastf#构造图（Graph）的结构#用一个线性方程的例子y=W*x+bW=tf.Variable(2.0,dtype=tf.float32,name="Weight")#权重b=tf.Variable(1.0,dtype=tf.float32,name="Bias")#偏差x=tf.placeholder(dtype=tf.float32... 查看详情

tensorflow-variable(代码片段)

#!/usr/bin/envpython2#-*-coding:utf-8-*-"""CreatedonThuSep610:16:372018@author:myhaspl@email:[email protected]"""importtensorflowastfmy_var=tf.Variable(1)mutop=my_var.assign(my_var*3)init=tf.init 查看详情