在 Tensorflow 中提供一个隐藏的张量

Question

我有一些autoencoder。模型现在不重要了。假设该模型将一些图像作为输入并输出重建图像。训练后，我想看看一个张量对输出的影响。此外，正在通过 FIFOQueue 将图像输入 autoencoder。因此，当运行以下代码和平：

reconstructed_image = sess.run([deconv_image], feed_dict={mu:my_vector})

其中deconv_image是模型的输出tensor，mu是模型内部的隐藏张量；将自动为模型提供 Queue 中的图像。

我的问题是：mu 中的值是否会被输入图像中的任何值替换，或者，它采用我使用 feed_dict 参数输入的矢量。

非常感谢任何帮助！！

Answer 1

当运行计算最后一个张量，也就是求一个图的最后一个张量时，会运行它所依赖的所有张量。因此，如果我们有 y3 操作依赖于 y2 而 y2 依赖于 y1，那么，运行计算图中的最终张量将导致 y1 首先是运行，然后 y2 在从 y1 获得输入后进行评估，最后 y2 的输出将输入 y3 .该图可能如下所示：y1 -> y2 -> y3

另一方面，我可以运行（评估）y3 通过使用 feed_dict 参数直接提供输入。在这种情况下，计算 y2 和 y1。

例如：

import tensorflow as tf
import numpy as np

x = np.array([1.0, 2.0, 3.0])

x_var = tf.Variable(x, dtype=tf.float32)

y1 = tf.square(x_var)
y2 = tf.subtract(y1, tf.constant(1.0))

init_op = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init_op)

    print(sess.run(y2)) # Output: [ 0.  3.  8.]
    print(sess.run(y2, feed_dict={y1: [1.0, 1.0, 1.0]}))# Output: [ 0.  0.  0.]

在 Tensorflow 中提供一个隐藏的张量

Feeding a hidden tensor in Tensorflow

autoencoder

tensorflow