tensorflow - 如何通过 tensorflow 中的 feed_dict 提供多个输入

Question

我有一个由多个子网络组成的网络(多个卷积网络和最后一个全连接 + 软最大层)。每个 ConvNet 提要具有特定区域和图像大小。因此，为了给我的网络提供数据，我为每个 convnet 输入编写图像占位符，一个标签占位符来提供一批中所有图像的标签(所有 convnet 输入中的所有输入图像都具有相同的标签)。
不幸的是，我对 feed_dict 部分一无所知。
例如，此代码仅用于一个 convnet 训练:

    images_r, labels_r = sess.run([images, labels])
    train_feed = {images_placeholder: images_r,
              labels_placeholder: labels_r}
    _, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

如何扩展上述代码以供所有转换网络使用？

Answer 1

所以对于每一个 conv网络，如果 placeholders输入为:conv_1_input , conv_2_input .... conv_N_input ，然后您通过 feed_dict 中的列表像这样:

train_feed = {`conv_1_input`: image_1, `conv_2_input`: image_2,.. `conv_N_input`: image_N,
          labels_placeholder: labels_r}
_, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)