【发布时间】：2019-01-07 22:09:43
【问题描述】：
我正在尝试在 Tensorflow 中训练自动编码器。然而，这个自动编码器只是我架构的一部分。我想要以下工作流程：
输入图像-->上游处理的数据-->输入自动编码器-->使用编码图像输出及其梯度。
换句话说，我想要整个编码操作的梯度，包括上游数据处理，w.r.t 输入图像数据。
我还想自己训练我的自动编码器。因此，我认为我可以将输入图像制作成tf.placeholder_with_default 类型的自动编码器。我的想法是我可以将上游数据处理直接连接到自动编码器输入作为默认值，但也可以让用户传入训练数据进行训练。
因此，我这样构造自动编码器的输入：
input_x = tf.Variable(tf.zeros(dtype=tf.float32, shape=[1, 60, 200, 3])) #Will be fed in from upstream, for now, zeros is just for testing
self.x = tf.placeholder_with_default(input_x, shape=[None, 60, 200, 3], name='camera') #images are 200 x 60 with 3 channels; x is the input to the autoencoder
我的自动编码器涉及对tf.nn.conv2d 的多次调用。不幸的是，当我尝试使用此设置进行训练时，出现以下错误：
InvalidArgumentError (see above for traceback): Conv2DSlowBackpropInput: input and out_backprop must have the same batch sizeinput batch: 1outbackprop batch: 32 batch_dim: 0
当我将代码更改为：
self.x = tf.placeholder(tf.float32, shape=[None, 60, 200, 3], name='camera')
我没有问题。
我是否尝试正确使用tf.placeholder_with_default？什么可能导致错误？ （我可以提供更多代码，但如果可能的话，我不想发布我的整个 AE）。
【问题讨论】：
-
您可以尝试将您的 input_x 声明替换为：
input_x =np.zeros([1, 60, 200, 3], dtype=np.float32)吗？ -
运行...但是...为什么？ a) 这与 TF 文档直接矛盾，该文档说输入应该是张量：tensorflow.org/api_docs/python/tf/placeholder_with_default 和 b) 不能解决能够在符号或数字默认值之间切换的问题。
-
好吧，我没有一个听起来很聪明的答案 - 但根据我的经验，当我在使用 tf 对象数据类型时遇到困难时，我通常只是用 numpy 和它解决了我的问题。我很高兴这个解决方案对你有用！ @user650261
-
我更新了答案。如果对别人有帮助，你能接受吗？
-
它对我不起作用。它可以运行，但这根本不能解决我的核心问题。
标签： python tensorflow autoencoder