如何通过 tensorflow 中的 feed_dict 提供多个输入答案

【问题标题】：How to feed multiple inputs through feed_dict in tensorflow如何通过 tensorflow 中的 feed_dict 提供多个输入
【发布时间】：2017-12-07 12:25:02
【问题描述】：

我有一个由多个子网络组成的网络（多个卷积网络和最后一个全连接 + 软最大层）。每个 ConvNet 提要具有特定区域和图像大小。因此，为了给我的网络提供数据，我为每个 convnet 输入编写图像占位符，一个标签占位符来提供一批中所有图像的标签（所有 convnet 输入中的所有输入图像都具有相同的标签）。不幸的是，我对 feed_dict 部分一无所知。例如，此代码仅用于一次卷积网络训练：

    images_r, labels_r = sess.run([images, labels])
    train_feed = {images_placeholder: images_r,
              labels_placeholder: labels_r}
    _, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

如何扩展上述代码以馈送所有转换网络？

【问题讨论】：

我不确定您的问题是否正确。您有多个网络输入点？如果是这样，在每个训练步骤中，您需要为所有此类输入点提供输入吗？

标签： tensorflow

【解决方案1】：

因此，对于每个conv 网络，如果输入的placeholders 是：conv_1_input、conv_2_input....conv_N_input，那么您可以像这样传递feed_dict 中的列表：

train_feed = {`conv_1_input`: image_1, `conv_2_input`: image_2,.. `conv_N_input`: image_N,
          labels_placeholder: labels_r}
_, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

【讨论】：

使用此方法后出现此错误：TypeError: Cannot translate feed_dict key as Tensor: Can not convert a function into a Tensor.
变量conv_1_input，conv_2_input应该是张量，错误说不是这样。

【解决方案2】：

您应该在计算图中拆分/切片您的图像，并改用单个输入。

【讨论】：

不幸的是，我的所有补丁（来自原始图像）都没有相同的特征，我根据一些地标从原始图像中提取它们。（例如，假设我们有一张人脸的原始图像，我的地标是眼睛中心、鼻尖和唇角的 5 个点）。所以，我必须使用我提取的补丁来提供所有相关的 feed_dict。