Предположим, у меня есть типичная модель CNN в TensorFlow.TensorFlow: сеть повтора с другим тензором ввода?
def inference(images):
# images: 4D tensor of [batch_size, IMAGE_SIZE, IMAGE_SIZE, 3] size.
conv_1 = conv_layer(images, 64, 7, 2)
pool_2 = pooling_layer(conv_1, 2, 2)
conv_3 = conv_layer(pool_2, 192, 3, 1)
pool_4 = pooling_layer(conv_3, 2, 2)
...
conv_28 = conv_layer(conv_27, 1024, 3, 1)
fc_29 = fc_layer(conv_28, 512)
fc_30 = fc_layer(fc_29, 4096)
return fc_30
Типичным вперед проход можно сделать так:
images = input()
logits = inference(images)
output = sess.run([logits])
Теперь предположим, что моя input
функция теперь возвращает пару аргументов, left_images
и right_images
(стерео камера). Я хочу запустить right_images
до conv_28
и left_images
до fc_30
. Так что-то вроде этого
images = tf.placeholder(tf.float32, [batch_size, IMAGE_SIZE, IMAGE_SIZE, 3])
left_images, right_images = input()
conv_28, fc_30 = inference(images)
right_images_val = sess.run([conv_28], feed_dict={images: right_images})
left_images_val = sess.run([fc_30], feed_dict={images: left_images})
Это, однако, не удается с
TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.
Я хочу, чтобы избежать необходимости оценки inputs
в то кормить его обратно в TensorFlow. Вызов inference
дважды с разными аргументами также не будет работать, потому что такие функции, как conv_layer
, создают переменные.
Возможно ли повторить запуск сети с помощью другого тензора ввода?
Я не уверен, как объявляются «образы». Это tf.placeholder? Если нет, то это должно произойти. – RaduK