Python 在Tensorflow中初始化批处理因变量

我有一个tensorflow代码，运行良好且准确，但占用大量内存。具体地说，在我的代码中，我有一个for循环，看起来像这样：

K = 10
myarray1 = tf.placeholder(tf.float32, shape=[None,5,5]) # shape = [None, 5, 5]
myarray2 = tf.Variable( np.zeros([K,5,5]), dtype=tf.float32 )
vals = []
for k in range(0,K):
    tmp = tf.reduce_sum(myarray1*myarray2[k],axis=(1,2))
    vals.append(tmp)

result = tf.min( tf.stack(vals,axis=-1), axis=-1 )

不幸的是，随着K在我的应用程序中变得越来越大，这需要大量内存。所以，我想有一个更好的方法。例如，在numpy/python中，在循环中迭代时只需跟踪最小值，并在每次迭代时更新它。似乎我可以使用tf.assign，如下所示：

K = 10
myarray1 = tf.placeholder(tf.float32, shape=[None,5,5]) # shape = [None, 5, 5]
myarray2 = tf.Variable( np.zeros([K,5,5]), dtype=tf.float32 )
min_value = tf.Variable(myarray1, validate_shape=False, trainable=False)
for k in range(0,K):
    tmp = myarray1*myarray2[k]
    idx = tf.where(tmp<min_value)
    tf.scatter_nd_assign(min_value, idx, tmp[idx], use_locking=True)

result = min_value

或

它抱怨我没有在占位符中进食。这实际上是有意义的，因为min_值的定义取决于图中的myarray1

我实际上想做的是定义一个伪变量，它不依赖于myarray1的值，而是匹配它的形状。我希望将这些值初始化为某个数字（在本例中，可以使用较大的数字），因为我将手动确保这些值在网络中被覆盖

注：据我所知，目前无法定义形状未知的变量，除非输入所需形状的另一个变量并设置validate_shape=False）。也许还有别的办法

---

欢迎提供任何帮助/建议。

试试这个，如果不知道如何输入占位符，请阅读教程

K = 10
myarray1 = tf.placeholder(tf.float32, shape=[None,5,5]) # shape = [None, 5, 5]

###################ADD THIS ####################
sess=tf.Session()
FOO = tf.run(myarray1,feed_dict={myarray1: YOURDATA}) #get myarray1 value
#replace all myarray1 below with FOO
################################################

myarray2 = tf.Variable( np.zeros([K,5,5]), dtype=tf.float32 )
min_value = tf.Variable(FOO, validate_shape=False, trainable=False)
for k in range(0,K):
    tmp = FOO*myarray2[k]
    idx = tf.where(tmp<min_value)
    tf.scatter_nd_assign(min_value, idx, tmp[idx], use_locking=True)

result = min_value

步骤2：获取批量数据

batch_x=[[1,2],[3,4]]   #example
#since x=[None,2], the batch size would be batch_x_size/x_size=2 

步骤3：进行一次会话

sess=tf.Session()

---

如果有变量，请在计算前添加以下代码进行初始化

init=tf.gobal_variables_initializer()
sess.run(init)

---

步骤4：

yourplaceholderdictiornay={x: batch_x}
sess.run(x, feed_dict=yourplaceholderdictiornay)

始终输入占位符，使其获得要计算的值

---

这里有一个非常有用的PDF文件，您也可以在youtube上找到它，标题为。

我不确定您是否仔细阅读了我的问题。问题在于，在知道myarray1的形状之前，无法初始化min_值变量。因此，“批次相关”变量。myarray1可以在每次网络运行时更改，所以没有办法硬编码。哈哈。我感谢你的帮助。不幸的是，我认为这并不能回答问题。我当然可以硬编码min_值的值和形状。但是，如果我想在运行时更改批大小，那么这不是很有用。我想我的问题是，是否有更好的方法，因为我在网上找不到其他任何东西。

sess=tf.Session()

init=tf.gobal_variables_initializer()
sess.run(init)

yourplaceholderdictiornay={x: batch_x}
sess.run(x, feed_dict=yourplaceholderdictiornay)