如何将 numpy 数组提供给 TensorFlow 的预取和缓冲管道

Question

我尝试关注Cifar10 example。但是，我想用 Numpy 数组替换读取的文件。这样做有几个好处：

• 更简单的代码（我要去掉二进制文件解析）
• 更简单的图表和可视化 --> 更容易向其他受众解释
• 性能小幅改进（由于 I/O 和解析）？

有什么简单的方法可以做到这一点？

Answer 1

您需要通过以下任一方式获取张量 reshape_image：

• 给它一个名字
• 找到它的默认名称，以 Tensorboard 为例

---

reshaped_image = tf.cast(read_input.uint8image, tf.float32, name="float_image")

---

然后你可以使用 feed_dict 来提供你的 numpy 数组：

reshaped_image = tf.get_default_graph().get_tensor_by_name("float_image")
sess.run(loss, feed_dict={reshaped_image: your_numpy})

标签也是如此。