TensorFlow中的feed与fetch

一：占位符(placeholder)与feed

当我们构建一个模型的时候，有时候我们需要在运行时候输入一些初始数据，这个时候定义模型数据输入在tensorflow中就是用placeholder（占位符）来完成。它的定义如下：

1. def placeholder(dtype, shape=None, name=None):

其中dtype表示数据类型，shape表示维度，name表示名称。它支持单个数值与任意维度的数组输入。

1. 单个数值占位符定义

1. a = tf.placeholder(tf.float32)

2. b = tf.placeholder(tf.float32)

3. c = tf.add(a, b)

当我们需要执行得到c的运行结果时候我们就需要在会话运行时候，通过feed来插入a与b对应的值，代码演示如下：

1. with tf.Session() as sess:

2.  result = sess.run(c, feed_dict={a:3, b:4})

3.  print(result)

其中feed_dict就是完成了feed数据功能，feed中文有喂饭的意思，这里还是很形象的，对定义的模型来说，数据就是最好的食物，所以就通过feeddict来实现。

2. 多维数据

同样对于模型需要多维数据的情况下通过feed一样可以完成，定义二维数据的占位符，然后相加，代码如下：

1. _x = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="x")

2. _y = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="y")

3. z = tf.add(_x, _y);

运行时候需要feed二维数组，实现如下：

1. with tf.Session() as sess:

2.  result = sess.run(z, feed_dict={_x:[[3, 4], [1, 2]], _y:[[8, 8],[9, 9]]})

3.  print(result)

二：fetch用法

会话运行完成之后，如果我们想查看会话运行的结果，就需要使用fetch来实现，feed，fetch同样可以fetch单个或者多个值。

1. fetch单个值

矩阵a与b相乘之后输出结果，通过会话运行接受到值c_res这个就是fetch单个值，fetch这个单词在数据库编程中比较常见，这里称为fetch也比较形象。代码演示如下：

1. import tensorflow as tf

2. a = tf.Variable(tf.random_normal([3, 3], stddev=3.0), dtype=tf.float32)

3. b = tf.Variable(tf.random_normal([3, 3], stddev=3.0), dtype=tf.float32)

4. c = tf.matmul(a, b);

5. init = tf.global_variables_initializer()

6. with tf.Session() as sess:

7.  sess.run(init)

8.  c_res = sess.run(c)

9.  print(c_res)

2. fetch多个值

还是以feed中代码为例，我们把feed与fetch整合在一起，实现feed与fetch多个值，代码演示如下：

1. import tensorflow as tf

2. _x = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="x")

3. _y = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="y")

4. z = tf.add(_x, _y);

5. data = tf.random_normal([2, 2], stddev=5.0)

6. Y = tf.add(data, z)

7. with tf.Session() as sess:

8.  z_res, Y_res = sess.run((z, Y), feed_dict={_x:[[3, 4], [1, 2]], _y:[[8, 8],[9, 9]]})

9.  print(z_res)

10.  print(Y_res)

上述代码我们就fetch了两个值，这个就是feed与fetch的基本用法。下面我们就集合图像来通过feed与fetch实现一些图像ROI截取操作。代码演示如下：

1. import tensorflow as tf

2. import cv2 as cv

3. # 通过opencv读取图像并显示

4. src = cv.imread("D:/javaopencv/test.png")

5. cv.imshow("input", src)

6. _image = tf.placeholder(shape=[None, None, 3], dtype=tf.uint8, name="image")


7. # ROI区域截取


8. roi_image = tf.slice(_image, [40, 130, 0], [180, 180, -1])

9. #定义会话并执行

10. with tf.Session() as sess:

11.  slice = sess.run(roi_image, feed_dict={_image:src})

12.  print(slice.shape)

13.  cv.imshow("roi", slice)

14.  cv.waitKey(0)

15.  cv.destroyAllWindows()

运行结果显示： 原图：

脸部ROI截取

求木之长者，必固其根本；

欲流之远者，必浚其泉源！

关注【OpenCV学堂】

长按或者扫码下面二维码即可关注