如何通过tensorflow中的feed_dict提供多个输入

Question

我有一个由多个子网组成的网络（多个卷积网络，最后是一个完全连接的+ soft max层）。每个ConvNet feed都具有特定的图像区域和大小。因此，要馈送我的网络，我为每个convnet输入写一个图像占位符，并为一个批次馈送所有图像的标签写一个占位符（所有convnet输入中的所有输入图像都具有相同的标签）。不幸的是，我对feed_dict部分一无所知。例如，此代码仅适用于一次convnet培训：

    images_r, labels_r = sess.run([images, labels])
    train_feed = {images_placeholder: images_r,
              labels_placeholder: labels_r}
    _, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

如何扩展上面的代码来提供所有的转换网络？

Answer 1

因此，对于每个conv网络，如果placeholdersfor输入为：conv_1_input，conv_2_input.... conv_N_input，则可以feed_dict像这样传递列表：

train_feed = {`conv_1_input`: image_1, `conv_2_input`: image_2,.. `conv_N_input`: image_N,
          labels_placeholder: labels_r}
_, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)