tf.gradientsの結果を評価するときにTensorflowがスタックする

Question

私のネットワークを使用して、出力の入力の勾配を評価しようとしています。ネットワークは、前方の小道具の間に完全に正常に動作するので、問題はありません。グラデーションのコードは次のようになります。

images, labels = inputs(train_dir, 
         True, 
         batch_size, 
         num_batches, 
         one_hot_labels=True) 
predictions = InterpolNet(images) 
restorer = tf.train.Saver() 
with tf.Session() as sess: 
    restorer.restore(sess, checkpoint_dir) 
    print 'Get grads' 
    grad_output = np.zeros((1,h,w,3), dtype=np.float32) 
    grad_output[0,0,0,0] = 1 
    grad = tf.gradients(predictions, images, grad_output) 
    print grad[0] 
    res = grad[0].eval() 

だから、基本的に、私はinputs機能で自分のネットへの入力を宣言し、私はInterpolNetに呼び出して、私のモデルを取得し、私は、最新のトレーニングの重みでチェックポイントを復元します。 feed_dictで入力を入れたところ、すべてが問題なく、実行の出力はネットの予想される出力です。sess.run(predictions, feed_dict=feed_dict)

代わりに（上記のコードで）グラデーションを取得しようとすると、プログラムは明らかにres = grad[0].eval()行（GPU使用率0％、顕著なCPU使用率）で止まってしまいます。正しいテンソルどのように見えるかprint grad[0]プリントは：

Tensor("gradients/conv1/conv1_1/Conv2D_grad/Conv2DBackpropInput:0", shape=(1, 128, 384, 6), dtype=float32)

が、コードは次の行に到達しません。私は何か間違っているのですか？ grad_outputを使用しても問題には影響しないようです。ちょうど参考として、私はhttps://arxiv.org/pdf/1603.06041v2.pdfから

からペーパーを再実装しようとしていますありがとう！

Answer 1

ヤロスラブのコメントから分かりましたように、私はinputsの機能の中にあるデータ生成キューにこだわっていました。

私がしたのは、変数imagesをキューの出力からプレースホルダー：images = tf.placeholder(tf.float32, shape=(1, h, w, 6))に変更することでした。

これは（私が訓練に使用されるものである）私はtf.gradientsでシンボリック勾配を計算し、その後、numpyの配列は、データを含む代わりにキューを使用してネットを供給するためにgrad[0].eval()でfeed_dictを使用することを許可しました。

すべてが機能します。