我們可以在不定義tf.placeholder的情況下提供一個值嗎？

Question

下面是代碼https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/models/rnn/ptb/ptb_word_lm.py，我不知道爲什麼我們可以通過餵養模式：

cost, state, _ = session.run([m.cost, m.final_state, eval_op], 
           {m.input_data: x, 
           m.targets: y, 
           m.initial_state: state}) 

因爲initial_state不與tf.placeholder，所以我們怎麼能養活嗎？

在代碼中，它定義了一個類。並定義了self._initial_state = cell.zero_state(batch_size, data_type())，然後state = self._initial_state和(cell_output, state) = cell(inputs[:, time_step, :], state)。之後，self._final_state = state。更重要的是，它定義了一個函數的類：

@property def final_state(self): return self._final_state

這裏來

state = m.initial_state.eval() 
cost, state, _ = session.run([m.cost, m.final_state, eval_op], 
          {m.input_data: x, 
           m.targets: y, 
           m.initial_state: state}) 

而且我在本地運行的代碼，它頗有而不feeddict state的差異。

任何人都可以幫忙嗎？

Answer 1

因爲initial_state不是tf.placeholder，所以我們怎麼餵它呢？

佔位符只是一個張量張量;我們可以養活使用feed_dict機制，

任何張量與我已在本地運行的代碼，它相當有feed_dict無狀態的差別。

這裏，如果您不從上一批中輸入學習狀態，則下一批的狀態將初始化爲零，因此結果將會降低。