python - 我们可以在不定义 tf.placeholder 的情况下提供一个值吗？

Question

这里是代码https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/models/rnn/ptb/ptb_word_lm.py ，我想知道为什么我们可以通过以下方式喂养模型:

cost, state, _ = session.run([m.cost, m.final_state, eval_op],
                              {m.input_data: x,
                               m.targets: y,
                               m.initial_state: state})

因为 initial_state 不包含 tf.placeholder，所以我们如何提供它？

在代码中，它定义了一个类。并定义 self._initial_state = cell.zero_state(batch_size, data_type())，然后 state = self._initial_state 和 (cell_output, state) = cell(输入[:, time_step, :], state)。之后，self._final_state = state。更重要的是，它在类中定义了一个函数:

@属性
def 最终状态(自身):
返回 self._final_state

来了

state = m.initial_state.eval()
cost, state, _ = session.run([m.cost, m.final_state, eval_op],
                             {m.input_data: x,
                              m.targets: y,
                              m.initial_state: state})

我在本地运行了代码，在 feeddict 中没有 state 的情况下，它有很大的区别。

有人可以帮忙吗？

Answer 1

Because initial_state isn't with tf.placeholder,so how can we feed it?

Placeholder只是一个tensorflow张量；我们可以使用 feed_dict 机制提供任何张量，

And I have ran the code locally, it quite have the difference without state in feed_dict.

在这里，如果您不提供上一批学习到的状态，下一批的状态将被初始化为零，因此结果将会下降。