Tensorflow:数据源可以是动态的？

Question

在我在 Tensorflow documentation 中看到的所有示例中，输入是从静态源解析的——通常是一个文件。是否可以构建一个数据来自不同来源的图表？在我的用例中，数据来自服务器的消息字符串:我想在这些消息到来时将其转换为张量，并将这些张量用作图计算部分的输入。

Answer 1

从动态源提供数据的最简单方法是将一个或多个 tf.placeholder() ops 在你的图表中表示输入张量，并使用 feed mechanism每次调用 run() 时为这些张量提供不同的值.如果这样做，就可以编写任意 Python 代码来生成输入数据，这可能涉及调用远程服务器 - 甚至在服务器端处理传入请求。

如果您在 C++ 中执行此操作，则 tensorflow::Session 类提供相同的能力来提供占位符值，使用 Session::Run() 方法。输入的值必须是 tensorflow::Tensor 对象，您可以通过指定数据类型和形状(维度列表)来创建它们。 Tensor对象具有允许您将它们作为多维数组(如 Tensor::scalar<T>()、Tensor::matrix<T>() 和 Tensor::tensor<T, NDIMS>())访问的方法，这允许您按如下方式填写它们的值:

tensorflow::Tensor t(DT_FLOAT, tensorflow::TensorShape({2, 2}));
t.matrix()(0, 0) = 1.0;
t.matrix()(0, 1) = 0.0;
t.matrix()(1, 0) = 0.0;
t.matrix()(1, 1) = 1.0;

您还可以使用 Eigen Tensor 的所有方法库来构建这些值。