Python 使用tensorflow中的公共输入对占位符进行分组

我有n个网络，它们的所有输入都有占位符，我想将它们链接到另一个占位符（随后创建）作为公共输入

class GroupOfNetworks(object):
    def __init__(self,subtask_nets,ob_space):
        self.x_inputs = [st_net.x for st_net in subtask_nets]    #list of network inputs

其中

st_net.x

是一个占位符，声明如下

class Network(object):
     def __init__(self, ob_space):
          self.x = tf.placeholder(tf.float32, [None] + list(ob_space)) `#single network input

我希望所有这些网络都有一个公共输入，因此我只需要在我的

feed\u dict

中有一个键值对。我尝试对占位符（下面的代码片段）进行赋值操作，但这会引发一个错误，因为它们是张量而不是变量

#in class GroupOfNetworks...
common_x = tf.placeholder(tf.float32, [None] + list(ob_space),"common_input")
set_input = tf.assign(self.x_inputs[0].x,common_x,"link_subtask_input") # DOES NOT WORK

到目前为止，我一直使用编程生成的

feed\u dict

（如下所示），但这不在图形上，从

.meta

文件加载图形时无法导入

def make_common_feed_dict(self,x):
    return {placeholder:x for placeholder in self.x_inputs}

---

有人知道更好的解决方案吗？

因为您需要为网络中的每个网络使用一个占位符（因此输入相同），所以只需在任何地方使用相同的占位符即可

不要在对象

\uuuu init\uuuu

方法中创建占位符，而是在外部创建占位符并将其传递给您创建的每个对象。 这样做：

# Define your network in this way
class Network(object):
     def __init__(self, placeholder):
          self.x = placeholder

然后，在初始化

网络

对象之前，定义占位符，然后使用它

input_placeholder = tf.placeholder(tf.float32, [None] + list(ob_space))

network_a = Network(input_placeholder)
network_b = Network(input_placeholder)

假设

网络

对象获得了一个

get

方法来获取输出张量，您可以执行

网络a

和

网络b

为它们提供相同的值：

sess.run([network_a.get(), network_b.get()], feed_dict={input_placeholder: value})

---

是的，如果我根本不需要独立运行

网络

对象，并且可以对它们进行修改，那么这就行了。您是否知道，如果我无法修改

网络

对象，而只使用对占位符的引用，是否有任何方法可以处理这种情况？