使用输入管道访问图形中的输入变量

假设有一个模型定义为这样的类:

class SimpleAutoencoder(object):

    def __init__(self, x):

        self.x = x
        self.input_dim = 92
        self.latent_dim = 10

        self.build_model()


    def build_model(self):

        latent = tf.contrib.layers.fully_connected(self.x,
                                                   self.latent_dim,
                                                   scope='latent',
                                                   activation_fn=tf.nn.relu)

        self.x_hat = tf.contrib.layers.fully_connected(latent,
                                                  self.input_dim,
                                                  scope='output',
                                                  activation_fn=tf.nn.sigmoid)

        self.loss = tf.losses.mean_squared_error(self.x, self.x_hat)

        self.train_op = tf.AdamOptimizer().minimize(self.loss)

您可以使用输入管道对其进行培训以提供数据:

...
x = iterator.get_next()
model = SimpleAutoencoder(x)
...

## train and save it to disk

现在,当使用占位符 self.x 在构建模型时,我可以给它一个名称,并在恢复模型进行推理时方便地访问输入变量。但是有了输入管道, x 不是变量、常量或占位符,因此我不能给它一个正确的名称。 如何将新数据注入 X 把它输入图表?

尽管培训有效,但我认为我可能会做得不对,因为代码在我看来确实很难看(将管道输出提供给init函数的部分)。

请帮我拿这个!谢谢您!