TensorFlowでキューベースとフィードベースの入力を混合する方法

Question

最近、TFRecordsファイルから生成されたキューから入力を読み取るfully_connectedスタイルモデルに移行しました。これははるかに効率的であることが証明されていますが、私はplaceholder/feed_dictと対話的にパラメータを渡したいと思います。

feed_dictとfull_connectedの両方の機能について同じ計算グラフを使用する方法がありますか（initメソッドでグラフを作成するモデルクラスがあります）デキューから値を受け取るプレースホルダを取得できますか？

Answer 1

デキュー操作の出力を簡単に入力できます。 TensorFlowは実際にアイテムをデキューしません。指定した値をそのまま使用します。たとえば、

q = tf.FIFOQueue(capacity=10, dtypes=[tf.float32], shapes=[()]) 
v = tf.placeholder(tf.float32) 
enqueue = q.enqueue([v]) 
dequeue = q.dequeue() 
output = dequeue + 10.0 

with tf.Session() as sess: 
    sess.run(enqueue, feed_dict={v: 1.0}) 
    sess.run(enqueue, feed_dict={v: 2.0}) 
    sess.run(enqueue, feed_dict={v: 3.0}) 
    print(sess.run(output)) # 11.0 
    print(sess.run(output, feed_dict={dequeue: 5.0})) # 15.0 
    print(sess.run(output)) # 12.0 
    print(sess.run(output)) # 13.0 

Answer 2

最近追加された（TensorFlow 0.8）tf.placeholder_with_default() opを使用することもできます。デフォルト値（通常はキュー/リーダーの出力）を指定できます。また、異なる値形。

たとえば、キュ​​ーには32個の要素のバッチが生成され、各要素には784個のフィーチャがあり、32 x 784の行列が与えられます。

input_from_queue = ... # e.g. `queue.dequeue_many(32)` or `tf.train.batch(..., 32)` 
# input_from_queue.get_shape() ==> (32, 784) 

input = tf.placeholder_with_default(input_from_queue, shape=(None, 784)) 
# input.get_shape() ==> (?, 784) 

# ... 
train_op = ... 

sess.run(train_op) # Takes examples from `queue`. 
sess.run(train_op, feed_dict={input: ...}) # Takes examples from `feed_dict`. 

これは、可変サイズのバッチで飼料または所望に応じて、入力されたリーダーを使用することを可能にします。