我正在使用输入队列和tf.train.batch函数向tensorflow的计算(训练)图提供数据，该函数准备了一个包含大量数据的张量。我还有另一个测试数据队列，我想每隔50步向图中输入这些数据。

问题

考虑到输入的形式（张量），我是否需要为测试数据计算定义一个单独的测试图，还是可以以某种方式重用训练图？

# 准备数据
batch = tf.train.batch([train_image, train_label], batch_size=200)
batchT = tf.train.batch([test_image, test_label], batch_size=200)
x = tf.reshape(batch[0], [-1, IMG_SIZE, IMG_SIZE, 3])
y_ = batch[1]
xT = tf.reshape(batchT[0], [-1, IMG_SIZE, IMG_SIZE, 3])
y_T = batchT[1]
# 图定义
train_step = ... # train_step = g(x)
# 会话
sess = tf.Session()
sess.run(tf.initialize_all_variables())
for i in range(1000):
  if i%50 == 0:
    # 在这里我想重用训练图，但用x_t替换张量x
    # train_accuracy = ?
    # print("第%d步，训练准确率%g"%(i, train_accuracy))
  train_step.run(session=sess)

我想使用占位符，但我无法用tf.Tensors填充tf.placeholder，这是我从队列中获取的东西。这应该如何操作呢？

我真的只是刚开始学习。

回答：

请查看MNIST示例中是如何做的：您需要使用一个占位符，其初始化器是您数据的非张量形式（如文件名或CSV），然后在图内，使用slice_input_producer -> decode_jpeg（或其他…）-> tf.train.batch()来创建批次，并将这些批次输入到计算图中。

所以您的图看起来像这样：

• 用大文件名列表/CSV/范围初始化的占位符
• tf.slice_input_producer
• tf.image.decode_jpeg或tf.py_func – 加载实际数据
• tf.train.batch – 创建用于训练的迷你批次
• 输入到您的模型中