在 Tensorflow 中，您是否需要提供与您的需要无关的值？答案

【问题标题】：In Tensorflow, do you need to feed values that aren't relevant to what you need?在 Tensorflow 中，您是否需要提供与您的需要无关的值？
【发布时间】：2018-07-10 20:53:37
【问题描述】：

我是否更正了在 Tensorflow 中，当我 run 任何东西时，我的 feed_dict 需要为我的所有占位符赋予值，即使是那些与我正在运行的内容无关的占位符？

特别是我正在考虑进行预测，在这种情况下，我的 targets 占位符无关紧要。

【问题讨论】：

你试过了吗？有没有报错？通常，答案是否定的。 Tensorflow 构建连接到您在会话中运行的变量的计算图。您只需要输入计算它所需的变量。

标签： python tensorflow tensor computation-graph

【解决方案1】：

嗯，这取决于您的计算图的外观以及您如何运行由张量提供的操作（此处为：placeholders）。如果您将在会话中执行的计算图的任何部分中的占位符不依赖于占位符，则不需要为其提供值。这是一个小例子：

In [90]: a = tf.constant([5, 5, 5], tf.float32, name='A')
    ...: b = tf.placeholder(tf.float32, shape=[3], name='B')
    ...: c = tf.constant([3, 3, 3], tf.float32, name='C')
    ...: d = tf.add(a, c, name="Add")
    ...: 
    ...: with tf.Session() as sess:
    ...:       print(sess.run(d))
    ...:

# result       
[8. 8. 8.]

另一方面，如果您执行的计算图的一部分依赖于占位符，则必须为其提供一个值，否则它将引发InvalidArgumentError。下面是一个示例：

In [89]: a = tf.constant([5, 5, 5], tf.float32, name='A')
    ...: b = tf.placeholder(tf.float32, shape=[3], name='B')
    ...: c = tf.add(a, b, name="Add")
    ...: 
    ...: with tf.Session() as sess:
    ...:       print(sess.run(c))
    ...:

执行上述代码，抛出以下InvalidArgumentError

InvalidArgumentError：您必须为占位符张量“B”提供一个值，其 dtype 为 float 和 shape [3]

[[节点：B = Placeholderdtype=DT_FLOAT, shape=[3], _device="/job:localhost/replica:0/task:0/device: CPU:0"]]

因此，要使其正常工作，您必须使用 feed_dict 提供占位符，如下所示：

In [91]: a = tf.constant([5, 5, 5], tf.float32, name='A')
    ...: b = tf.placeholder(tf.float32, shape=[3], name='B')
    ...: c = tf.add(a, b, name="Add")
    ...: 
    ...: with tf.Session() as sess:
    ...:       print(sess.run(c, feed_dict={b: [3, 3, 3]}))
    ...:       
    ...:       
[8. 8. 8.]

【讨论】：