0

最近，我自己编写了 Tensorflow 代码，但是，当我使用 feed_dict 获取 Tensor 对象的真实值时，我遇到了这样的问题。

我首先将 self.z 和 self.G 等占位符定义如下。鉴别器是一个神经网络。

    self.z = tf.placeholder(
        tf.float32, [None, self.z_dim], name='z')
    self.z_sum = histogram_summary("z", self.z)

    self.G = tf.placeholder(tf.float32, [self.batch_size] + image_dims, name='Generated_picture')
    self.real = self.discriminator(inputs)
    self.fake = self.discriminator(self.G, reuse=True)
    self.d_loss = tf.reduce_mean(tf.log(1 + tf.exp(-self.real)) + tf.log(1 + tf.exp(self.fake)))
    self.real_sum = histogram_summary("real", self.real)
    self.fake_sum = histogram_summary("fake", self.fake)
    self.d_loss_sum = histogram_summary("d_loss", self.d_loss)
    self.d_sum = merge_summary([self.z_sum, self.d_loss_sum, self.real_sum, self.fake_sum])

我尝试如下更新我的鉴别器。

generated_images = self.generator(self.z)
index = np.random.choice(self.batch_size*10, size=config.batch_size)
generated_images_real = self.sess.run(generated_images, feed_dict={self.z: self.sz[index]})
_, summary_str = self.sess.run([d_optim, self.d_sum],feed_dict={
                                                       self.inputs: batch_images,
                                                       self.G: generated_images_real,
                                                       self.z: self.sz[index],

                                                   })

在这种情况下，我不确定为什么我必须为 self.z 提供价值。我相信 self.G 只依赖于 generate_images_real 这是一个实值向量。我对此很困惑。谢谢大家。

4

1 回答 1

0

对象self.z是一个tf.placeholder。如果您在会话中执行依赖于此占位符的操作，则 tensorflow 需要此占位符的值来执行实际计算。

让我们看看您运行的操作：generated_images_real = self.sess.run(generated_images...和self.sess.run([d_optim, self.d_sum] ,...

从定义中self.d_sum我们看到，它依赖于self.z_sum哪个又依赖于self.z——我们的占位符。self.d_sum因此，如果操作被执行，我们必须为这个占位符提供一个值。操作d_optim也可能依赖于self.z但这里没有给出它的定义。这解释了为什么我们需要self.z在第二个语句中使用值。

在第一条语句中，generated_images直接依赖于self.z，因为这个占位符被传递给self.generator函数。

于 2018-09-09T09:30:06.400 回答