我们可以在不定义tf.placeholder的情况下提供一个值吗？

Question

下面是代码https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/models/rnn/ptb/ptb_word_lm.py，我不知道为什么我们可以通过喂养模式：

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

因为initial_state不与tf.placeholder，所以我们怎么能养活吗？

在代码中，它定义了一个类。并定义了self._initial_state = cell.zero_state(batch_size, data_type())，然后state = self._initial_state和(cell_output, state) = cell(inputs[:, time_step, :], state)。之后，self._final_state = state。更重要的是，它定义了一个函数的类：

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

这里来

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}) 

而且我在本地运行的代码，它颇有而不feeddict state的差异。

任何人都可以帮忙吗？

Answer 1

因为initial_state不是tf.placeholder，所以我们怎么喂它呢？

占位符只是一个张量张量;我们可以养活使用feed_dict机制，

任何张量与我已在本地运行的代码，它相当有feed_dict无状态的差别。

这里，如果您不从上一批中输入学习状态，则下一批的状态将初始化为零，因此结果将会降低。