在张量流中提取子图答案

【问题标题】：Extracting subgraph in tensorflow在张量流中提取子图
【发布时间】：2017-05-11 19:01:13
【问题描述】：

我有预训练的网络，我试图只获取它的一部分（子图）tf 图以及变量和保护对象。

这就是我的做法：

subgraph = tf.graph_util.extract_sub_graph(default_graph, list of nodes to preserve)
tf.reset_default_graph()
tf.import_graph_def(subgraph)

然而，这会删除所有变量（当我调用 reset_default_graph 时）。即使我明确地将变量的操作节点（仅“变量”类型操作）添加到“要保留的节点列表”中。

如何在保留变量值的同时保留较大图的子图？是否需要在“保留列表”中添加一些新节点？

我还不清楚图节点和变量之间的关系，教程只是提到创建变量会在图中创建一些操作（节点）。

【问题讨论】：

【解决方案1】：

我认为你正在做的事情看起来不错。正如您所说，变量只是一个输出某些值的张量的简单操作（图中的节点）。您应该能够将变量节点添加到列表中以保留它们，就像您已经在做的那样。您可以使用 print(sess.graph_def) 来确保您提供的名称是正确的吗？

【讨论】：

变量是一组相互关联的操作。通常它由操作组成：“variable[variable]”、“assign[assign]”、“read[identity]”（第一部分是名称，方括号用于类型）和用于初始化程序的整套操作。问题是图形导出以一种不被识别为变量的方式切割变量结构。选择所有必需的操作很麻烦 - 而且不是最聪明的方法。
是的，没错。如果您查看 extract_sub_graph (github.com/tensorflow/tensorflow/blob/master/tensorflow/python/…) 的函数接口，注意到它只是一个简单的函数，没有对变量进行任何智能处理，“选择所有必需的操作”可能仍然是您最好的选择。好消息是，我认为您可以编写一个简单的函数（以 graph_def 作为输入）来自动执行这个选择变量相关节点的繁琐过程。
好的，我希望我可以避免这种情况，也许存在一些使用现有 API 的干净快速的方法。谢谢。
我刚刚遇到了这个函数 convert_variables_to_constants，它可能有助于简化解决方案：github.com/tensorflow/tensorflow/blob/master/tensorflow/python/…