我是TensorFlow的新手.我对tf.placeholder和之间的区别感到困惑tf.Variable.在我看来,tf.placeholder用于输入数据,并tf.Variable用于存储数据的状态.这就是我所知道的.
有人可以向我详细解释他们的差异吗？特别是何时使用tf.Variable以及何时使用tf.placeholder？
我想获得张量中元素的计数,例如,t = [1,2,0,0,0,0](t是张量),我可以得到'0'的数量4通过在python中调用t.count(0),但在tensorflow中,我找不到任何函数来执行此操作.我如何得到'0'的数量？可以请别人帮帮我吗？
批次归一化在训练阶段和测试阶段具有不同的行为。
例如，在tensorflow中使用tf.contrib.layers.batch_norm时，我们应该is_training在不同的阶段设置不同的值。
我的问题是：如果is_training=True在测试时仍然设置该怎么办？那就是说如果我在测试阶段仍然使用训练模式怎么办？
我提出这个问题的原因是，测试时未设置Pix2Pix和DualGAN的已发布代码is_training=False。而且，如果is_training=False在测试时设置了该值，则生成的图像的质量可能非常差。
有没有人可以解释一下？谢谢。
我有一个pytorch模型和tensorflow模式，我想他们在一起训练的一个GPU，以下过程波纹管：input --> pytorch model--> output_pytorch --> tensorflow model --> output_tensorflow --> pytorch model。
有可能做到这一点吗？如果答案是肯定的，我会遇到什么问题吗？
提前致谢。