python - 在 Tensorflow 中使用迭代器时如何正确设置 is_training

Question

我有一个 is_training 变量，我仍然需要在我的 main.py 文件中定义它，如下所示:

is_training = tf.placeholder(tf.bool, name='is_training')

然后我从另一个文件调用我的 inference 方法，如下所示(x 是输入):

test = net.inference(x, is_training)

最后，在我的 session 中我这样做:

sess.run(test, feed_dict={x: test_x, is_training: True})

但是，我想将 is_training 放入我的推理函数中。这有可能吗？

Answer 1

如果您仅在推理中需要 is_training，我建议您 tf.placeholder_with_default 。这样你就可以只在 net.inference() 方法中定义它，并且不在 session 中传递:

self.is_training = tf.placeholder_with_default(False, shape=(),name='is_training')

当您必须将其更改为True时，您可以简单地执行以下操作:

sess.run(test, feed_dict={x: test_x, net.is_training: True})

请注意，tensorflow 不关心 python 变量或字段的范围。定义占位符后，它就会出现在图表中。