Tensorflow:如何用张量提供占位符变量？

Question

我有一个占位符变量，需要一批输入图像:

input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')

现在我有两个输入数据源:
1)一个张量和
2)一些numpy数据。

对于 numpy 输入数据，我知道如何将数据提供给占位符变量:

sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})

如何将张量提供给该占位符变量？

mLoss, = sess.run([loss], feed_dict = {input_placeholder: myInputTensor})

给我一​​个错误:

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我不想使用 .eval() 将张量转换为 numpy 数组，因为这会减慢我的程序速度，还有其他方法吗？

Answer 1

这个问题2016年就在GitHub上讨论过，请查看here 。这是concretevitamin的要点:

One key thing to note is that Tensor is simply a symbolic object. The values of your feed_dict are the actual values, e.g. a Numpy ndarry.

张量作为符号对象在图内流动，而实际值在图外，那么我们只能将实际值传入图内，而符号对象不能存在于图外。