如何解决如何在张量流中重用操作？
Keras层可以重复使用，即如果我拥有l = keras.layers.Dense(5)，我可以将其多次应用于不同的张量，例如t1 = l(t1); t2 = l(t2)。
在不使用keras的情况下，张量流中是否存在类似的东西？
我为什么需要它。我具有non-eager模式，并希望创建静态.pb图形文件。假设我有一个庞大而又长的函数f(t)，它执行张量t转换。在图内部，它会创建张大的不同操作的子图，其中的张量在路径上流动。现在，我想重用它，这意味着我不想为每个输入t都调用它，因为它每次都会形成新的子图，只是使用不同的输入进行重复。我想以某种方式重用相同的子图并将不同的张量作为该子图的输入。另外，最好重用它，因为它很慢，不要为每个可能的输入张量调用巨大的函数来形成相同的结构。
重用相同操作的另一个重要原因是，相同的权重和重参数可用于许多输入上的许多操作调用。对于所有输入而言，权重必须相同，这样才能正确训练神经网络。
重用的真正原因不仅在于节省图形所占用的空间，还在于对f(t)的可能输入数量可能随输入而变化的事实。假设我们有keras.layers.Input(...)个占位符作为输入。它在图构建时始终具有等于无（未知）的第0个维度，仅当通过sess.run(...)馈送实数据时才知道第0个维度的实际值。现在，当输入数据时，我要进行与批处理尺寸大小一样多的转换（调用f(t)），换句话说，我要为批处理中的每个子张量调用f（t）。例如。对于图像批次，我想为批次中的每个图像调用f（t）。因此，对于不同的批次大小，将有不同数量的f（t）调用。我该如何实现？如果可以的话，是否可以通过tf.while_loop来实现？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
