我目前需要做一些与https://github.com/tensorflow/tensorflow/issues/6776类似的事情

例如，我有一批图像A、B、C……，我将为它们生成一批增强的图像a、b、c……

然后，我将A（或B或C）发送到一个Inception网络中，得到一个输出张量”output_1″，我需要将a（或b或c）发送到同一个Inception网络中，得到一个输出张量”output_2″，然后我将使用||”output1- output2″||作为对比损失。

目前，我不确定人们通常是如何在Tensorflow中处理这种操作的。我在网上搜索了，没有找到答案（虽然我猜这可能与网络的“重用”有关）。

以下是我的源代码的简化版本（我很抱歉只能在这里粘贴一个简化版本）：

class MyModel:    ......    def define_my_net(self):        self.inputs_from_bloader = tf.placeholder(...)        self.input = self.inputs_from_bloader        self.output = slim.conv2d(self.input,...)    ......    def update(sess, inputs):        feed_dict = utility.build_feed_dict(self.inputs_from_bloader, inputs)        sess.run([my_op_list], feed_dict = feed_dict)     ......def train():    data = importlib.import_module('some.datasets.reader')    data = data.DataReader()    model = importlib.import_module('MyModel')    model.MyModel()    model.define_my_net()      ### 这是定义网络的地方    batch = data.get_batch()    ### 这是生成A、B、C和a、b、c的地方      model.update(sess, batch)    ### 这是进行训练的地方

我想我可以从”batch=data.get_batch”输出一个像AaBbCc这样的批次，或者将其更改为”batch1, batch2 = data.get_batch”，但我不知道如何将batch1和batch2传递到已定义的网络中，因为这可能涉及到框架的一些架构修改。

如果你觉得上面的源代码太混乱，任何更简单的例子也将受到欢迎。

回答：

你可以实例化你的网络两次。这些实例通常被称为“塔”。两个塔将使用相同的变量，但有不同的输入和操作。

根据你使用的高等级API，你应该寻找一些控制变量reuse的标志，以便在构建你的第二个塔时，不会创建新的变量。例如，在这里搜索reuse https://www.tensorflow.org/guide/variables。