如何从主函数为自定义函数中的本地placeholder传入值？

哈哈，这个问题我太熟了！你遇到的核心问题其实是函数内部定义的placeholder是局部变量，外部代码根本拿不到它——TensorFlow计算图要这个placeholder的值，但你在外部喂数据的时候根本没法引用到它，自然就报那个InvalidArgumentError了。下面给你几个实用的解决方案：

方案1：把Placeholder和结果Tensor一起返回 #

既然外部需要用到函数里的placeholder，那直接把它作为返回值的一部分就行，这样外部就能拿到它并喂数据了。示例代码如下：

import tensorflow as tf

def my_calculation_func():
    # 函数内部定义placeholder
    name_a = tf.compat.v1.placeholder(tf.float32, name='name_a')
    # 定义tensor运算
    result_tensor = name_a * 3 + 2
    # 同时返回结果和placeholder
    return result_tensor, name_a

def main():
    with tf.compat.v1.Session() as sess:
        # 调用函数，拿到结果tensor和对应的placeholder
        res, placeholder_a = my_calculation_func()
        # 喂数据时直接用拿到的placeholder作为键
        output = sess.run(res, feed_dict={placeholder_a: 4.0})
        print("运算结果：", output)  # 输出14.0

if __name__ == "__main__":
    main()

方案2：将Placeholder作为参数传入函数 #

更符合模块化设计的方式是，不在函数内定义placeholder，而是把它作为参数传给函数。这样函数只负责运算逻辑，外部负责定义和管理placeholder，代码结构更清晰：

import tensorflow as tf

def my_calculation_func(input_placeholder):
    # 直接使用传入的placeholder做运算
    result_tensor = input_placeholder * 3 + 2
    return result_tensor

def main():
    with tf.compat.v1.Session() as sess:
        # 外部定义placeholder
        name_a = tf.compat.v1.placeholder(tf.float32, name='name_a')
        # 把placeholder传给函数
        res = my_calculation_func(name_a)
        # 喂数据
        output = sess.run(res, feed_dict={name_a: 4.0})
        print("运算结果：", output)  # 输出14.0

if __name__ == "__main__":
    main()

方案3：切换到TensorFlow 2.x的Eager Execution模式 #

如果你用的是TensorFlow 2.x版本，其实可以直接开启即时执行模式，完全不用placeholder，代码更简洁直观，根本不会有这种“传值找不到变量”的问题：

import tensorflow as tf

# TF2.x默认已经开启Eager Execution，这句可以省略
tf.compat.v1.enable_eager_execution()

def my_calculation_func(input_val):
    # 直接对输入值做运算，无需placeholder
    result_tensor = input_val * 3 + 2
    return result_tensor

def main():
    # 直接传值调用函数，实时得到结果
    output = my_calculation_func(4.0)
    print("运算结果：", output)  # 输出14.0

if __name__ == "__main__":
    main()

这三个方案里，前两个适合维护旧的TF1.x代码，第三个是TF2.x的推荐写法，根据你的实际场景选就行啦～

内容的提问来源于stack exchange，提问作者Pindikanti Hitesh