Come nutrire un segnaposto?

Question

Sto cercando di implementare una rete di feed-forward semplice. Tuttavia, non riesco a capire come alimentare un Placeholder. Questo esempio:

import tensorflow as tf 

num_input = 2 
num_hidden = 3 
num_output = 2 

x = tf.placeholder("float", [num_input, 1]) 
W_hidden = tf.Variable(tf.zeros([num_hidden, num_input])) 
W_out = tf.Variable(tf.zeros([num_output, num_hidden])) 
b_hidden = tf.Variable(tf.zeros([num_hidden])) 
b_out = tf.Variable(tf.zeros([num_output])) 

h = tf.nn.softmax(tf.matmul(W_hidden,x) + b_hidden) 

sess = tf.Session() 

with sess.as_default(): 
    print h.eval() 

mi dà il seguente errore:

... 
    results = self._do_run(target_list, unique_fetch_targets, feed_dict_string) 
    File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py", line 419, in _do_run 
    e.code) 
tensorflow.python.framework.errors.InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape dim { size: 2 } dim { size: 1 } 
    [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[2,1], _device="/job:localhost/replica:0/task:0/cpu:0"]()]] 
Caused by op u'Placeholder', defined at: 
    File "/home/sfalk/workspace/SemEval2016/java/semeval2016-python/slot1_tf.py", line 8, in <module> 
    x = tf.placeholder("float", [num_input, 1]) 
    ... 

ho cercato

tf.assign([tf.Variable(1.0), tf.Variable(1.0)], x) 
tf.assign([1.0, 1.0], x) 

ma che a quanto pare non funziona.

Answer 1

Per inserire un segnaposto, utilizzare l'argomento feed_dict su Session.run() (o Tensor.eval()). Diciamo che avete il grafico seguente, con un segnaposto:

x = tf.placeholder(tf.float32, shape=[2, 2]) 
y = tf.constant([[1.0, 1.0], [0.0, 1.0]]) 
z = tf.matmul(x, y) 

Se si desidera valutare z, è necessario alimentare un valore per x. È possibile farlo nel modo seguente:

sess = tf.Session() 
print sess.run(z, feed_dict={x: [[3.0, 4.0], [5.0, 6.0]]}) 

Per ulteriori informazioni, vedere la documentation on feeding.