Tensorflow 在测试时替换输入管道（不带占位符的tf.contrib.data）

在培训期间，我将tf.contrib.data函数用于输入管道（没有占位符）。我的问题是如何重用经过训练的模型并在测试时输入新数据？这个问题与类似，只是我也不想在测试中使用占位符——我的测试数据集可能非常大，也应该避免占位符变慢

---

有没有办法在测试时用新的输入管道替换输入管道？

我不确定是否有最佳方法解决此问题，但我就是这样解决的：

在我的模型中，我使用了一个简单的MLP，因此我的

model（）

函数中有如下行：

train_layer = tf.add(tf.matmul(x_train, weights['w1']), biases['b1'])
train_layer = tf.nn.relu(train_layer)
test_layer = tf.add(tf.matmul(x_test, weights['w1']), biases['b1'])
test_layer = tf.nn.relu(test_layer)

如您所见，我有两个输入，

x\u train

，和

x\u test

。以下是从tf.contrib.data数据集迭代器获取批量数据的句柄：

x_train, x_train_labels = train_iter.get_next()
x_test, x_test_labels = test_iter.get_next()

所以我在同一个图中有两个数据流，对它们执行完全相同的操作。我还有两个模型输出，

mlp\u-train

和

mlp\u-test

，这取决于模型是使用

x\u-train

还是

x\u-test

输入进行评估

现在：如果您使用

mlp\u训练

输出创建您的优化程序，并使用

mlp\u测试

输出创建您的测试指标，您只需运行：

sess.run（optimizer）

在训练数据集上训练您的系统，以及

sess.run（test\u metrics）

在测试数据集上测试您的系统，而且你永远不需要使用提要

---

编辑：我阅读了您关于使用“模型训练时不可用的数据”的评论，我认为这个答案不能满足这一点。

您可以在输入管道之间切换，检查：我在迭代器之间切换以进行训练/验证，但在测试时，我希望能够插入一些任意数据，例如，在模型训练时不可用的数据。是的，这也不允许以后插入任意的新输入管道。应该有某种方法将模型输入重新连接到其他输入，但我仍然找不到任何东西。此外，这似乎是一种不必要的复杂方式，用于在培训和验证之间切换。您可以使用占位符在两个迭代器之间切换，而无需编写两次模型。如果占位符是布尔值，则开销应该最小（即不是一批图像）。