如何在Tensorflow中將2張圖像發送到1個網絡並計算對比損失？

Question

我目前需要做與https://github.com/tensorflow/tensorflow/issues/6776類似的操作

例如，我有一批圖像A，B，C ..，並且我將為它們生成增強的批次，如a，b，c...。

然后，我將A（B或C）發送到Inception網絡中以獲取輸出張量“ output_1”，並且我需要將A（b或c）發送到同一Inception網絡中以獲取輸出張量“ output_2”，並且我將使用||“ output1- output2” || 作為對比損失。

目前，我不確定人們通常如何在Tensorflow中處理此類操作。 我在網上搜索，但沒有找到答案（盡管我想這與網絡的“重用”有關）。

這是我的源代碼的樣子（對不起，因為我可以在此處粘貼一個簡化的版本）：

class MyModel:
    ......
    def define_my_net(self):
        self.inputs_from_bloader = tf.placeholder(...)
        self.input = self.inputs_from_bloader
        self.output = slim.conv2d(self.input,...)
    ......
    def update(sess, inputs):
        feed_dict = utility.build_feed_dict(self.inputs_from_bloader, inputs)
        sess.run([my_op_list], feed_dict = feed_dict)
     ......

def train():
    data = importlib.import_module('some.datasets.reader')
    data = data.DataReader()
    model = importlib.import_module('MyModel')
    model.MyModel()
    model.define_my_net()      ### This is where network is defined
    batch = data.get_batch()    ### This is where A,B,C and a,b,c are generated.  
    model.update(sess, batch)    ### This is where training is done

我想我可以從“ batch = data.get_batch”輸出類似AaBbCc的批處理，也可以將其更改為“ batch1，batch2 = data.get_batch”，但是我不知道如何將batch1和batch2傳遞到定義的網絡中，因為它可能需要對框架進行一些架構上的修改。

如果您認為上述源代碼過於混亂，那么任何簡單的示例也將不勝感激。

Answer 1

您可以實例化網絡兩次。 這些實例通常稱為“塔”。 兩個塔將使用相同的變量，但具有不同的輸入和操作。

根據您使用的高級API，您應該查找一些用於控制變量reuse標志，以便在構建第二個塔時不會創建新變量。 例如，在此處https://www.tensorflow.org/guide/variables搜索reuse 。