Come posso aggiungere un input opzionale a un grafico in TensorFlow?

Question

Fondamentalmente voglio avere l'opzione di alimentare l'input al centro del grafico e calcolare l'uscita andando da lì. Un'idea che ho avuto è quella di utilizzare tf.placeholder_with_default che per impostazione predefinita è un tensore a zero. Quindi potrei mescolare gli input opzionali usando l'addizione, tuttavia l'aggiunta su una grande forma sembra essere un calcolo non necessario. Ci sono modi migliori per farlo?

input_enabled = tf.placeholder_with_default(tf.constant(1.), [1]) 

input_shape = [None, in_size] 
input = tf.placeholder_with_default(tf.zeros(input_shape), input_shape) 
// ... 
bottleneck_shape = [None, bottleneck_size] 
bottleneck = input_enabled * f(prev_layer) + tf.placeholder_with_default(tf.zeros(bottleneck_shape), bottleneck_shape) 
// ... 

// Using graph with input at first layer: 
sess.run([output], feed_dict={input: x}) 

// Using graph with input at bottleneck layer: 
sess.run([output], feed_dict={bottleneck: b, input_enabled: 0.}) 

Answer 1

Ho capito meglio grazie al tuo codice.

In sostanza lo schema è:

 input  <- you can feed here 
     |   
    (encoder) 
     | 
    bottleneck <- you can also feed here instead 
     | 
    (decoder) 
     | 
     output 

---

si desidera che due casi di utilizzo:

1. treno: alimentare un'immagine in input, calcolare l'uscita
2. prova : inserire un codice nel collo di bottiglia, calcolare l'output

---

Non è necessario creare un segnaposto per bottleneck, perché sess.run() consente di inserire i valori di non segnaposto nel grafico:

input_shape = [None, in_size] 
input = tf.placeholder(tf.float32, input_shape) 
# ... 

bottleneck = f(prev_layer) # of shape [None, bottleneck_size] 
# ... 

# Using graph with input at first layer: 
sess.run([output], feed_dict={input: x}) 

# Using graph with input at bottleneck layer: 
sess.run([output], feed_dict={bottleneck: b}) 

---

Dalla documentazione di sess.run():

L'argomento feed_destinazione facoltativo consente al chiamante di ignorare il valore dei tensori nel grafico. Ciascuna chiave in feed_dict può essere uno dei seguenti tipi:

Se la chiave è un tensore, il valore può essere uno scalare Python, una stringa, un elenco o un ndarray numerico che può essere convertito nello stesso tipo di tensore di quel tensore. Inoltre, se la chiave è un segnaposto, la forma del valore verrà verificata per verificarne la compatibilità con il segnaposto.