多余的sees.run

[sljlp]

请问各位，main方法中在构建网络时可以看到，attributes_w_n可以由attribute自动推理出来，
但是在train方法中为什么要多加这一步:
attributes_w_n = sess.run(list_ops['attributes_w_n_batch'],feed_dict={list_ops['image_batch']: images,list_ops['attribute_batch']: attributes})
然后在下面feed_dict中填入：
feed_dict = {
list_ops['image_batch']: images,
list_ops['landmark_batch']: landmarks,
list_ops['attribute_batch']: attributes,
list_ops['phase_train_placeholder']: True,
list_ops['euler_angles_gt_batch'] : eulers,
list_ops['attributes_w_n_batch']: attributes_w_n
}
之后才去执行其他的，然而在test方法中则没有这一步，请问，加与不加有什么区别？我对tensorflow尚不非常了解，劳烦讲一下，谢谢

[luckynote]

这是为了更大化利用gpu资源。 如果不设置为计算图中操作，这部分操作要在CPU进行，CPU计算速度比较慢，gpu呈现一段时间为0状态，训练时间大大增加。

…

---原始邮件--- 发件人: "Roc"<[email protected]&gt; 发送时间: 2019年12月16日(周一) 下午4:31 收件人: "guoqiangqi/PFLD"<[email protected]&gt;; 抄送: "Subscribed"<[email protected]&gt;; 主题: [guoqiangqi/PFLD] 多余的sees.run (#71) 请问各位，main方法中在构建网络时可以看到，attributes_w_n可以由attribute自动推理出来， 但是在train方法中为什么要多加这一步: attributes_w_n = sess.run(list_ops['attributes_w_n_batch'],feed_dict={list_ops['image_batch']: images,list_ops['attribute_batch']: attributes}) 然后在下面feed_dict中填入： feed_dict = { list_ops['image_batch']: images, list_ops['landmark_batch']: landmarks, list_ops['attribute_batch']: attributes, list_ops['phase_train_placeholder']: True, list_ops['euler_angles_gt_batch'] : eulers, list_ops['attributes_w_n_batch']: attributes_w_n } 之后才去执行其他的，然而在test方法中则没有这一步，请问，加与不加有什么区别？我对tensorflow尚不非常了解，劳烦讲一下，谢谢 — You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub, or unsubscribe.

[sljlp]

多谢这么快回复 @luckynote
我的意思是，保留计算图中的设置而不使用run这一步，这样也可以让tensorflow在计算图中自动计算出attribute_w_n,也就是，在：
feed_dict = {
list_ops['image_batch']: images,
list_ops['landmark_batch']: landmarks,
list_ops['attribute_batch']: attributes,
list_ops['phase_train_placeholder']: True,
list_ops['euler_angles_gt_batch'] : eulers,
list_ops['attributes_w_n_batch']: attributes_w_n
}
中，去掉最后一个输入ist_ops['attributes_w_n_batch']: attributes_w_n，变为：
feed_dict = {
list_ops['image_batch']: images,
list_ops['landmark_batch']: landmarks,
list_ops['attribute_batch']: attributes,
list_ops['phase_train_placeholder']: True,
list_ops['euler_angles_gt_batch'] : eulers,
}，
这样在训练代码中可以吗？
我不太明白为什么要多加一步：
attributes_w_n = sess.run(list_ops['attributes_w_n_batch'],feed_dict={list_ops['image_batch']: images,list_ops['attribute_batch']: attributes})
，而且看计算图中，要计算attribute_w_n， 并不需要image_batch