将输出张量连接到tensorflow中的占位符

如果我有如下图表：

x0 = tf.placeholder(tf.float32, shape=(None, None, None, None))
y0 = x0 + 10.0

x1 = tf.placeholder(tf.float32, shape=(None, None, None, None))
y1 = x1 * 5.0

第二种情况如下：

x0 = tf.placeholder(tf.float32, shape=(None, None, None, None))
y0 = x0 + 10.0

x1 = tf.placeholder(tf.float32, shape=(None, None, None, None))
y1 = x1 * 5.0

如何将第一个图形（y0）的输出连接到第二个图形（x1）的输入占位符？ 实际上，我不知道这两个图形的内部工作原理。 一个目标是能够像这样重复应用图2：

x = x_in = tf.placeholder(tf.float32, shape=(None, None, None, None))
x = graph1(x)
for i in range(n):
  x = graph2(x)
x_out = x

---

假设您想要计算

y1=（x0+10.0）*5.0

，您可以进行以下操作：

x0 = tf.placeholder(tf.float32, shape=(None, None, None, None))
y0 = x0 + 10.0
y1 = y0 * 5.0

---

谢谢你的回答。我给出的例子是我实际所做工作的简化版本。实际上，我不知道第一个和第二个图形做什么，我只有输入和输出。我会更新这个问题。如果你不发布准确的代码，帮助你有点困难。如果

graph2

的输入是一个占位符，并且您不能更改它，那么您需要作为占位符馈送到

graph1

的输出。实现这一点的方法是两个有两个sess.run（），第一个是计算

graph1

的输出，第二个是将其输入到

graph2

并进行处理。