使用 Tensorflow C++ API 执行在 skflow 中训练的模型答案

【问题标题】：Executing a model trained in skflow using the Tensorflow C++ API使用 Tensorflow C++ API 执行在 skflow 中训练的模型
【发布时间】：2026-02-08 02:15:02
【问题描述】：

是否可以使用没有标记输入（或输出）节点的 Tensorflow C++ API 来执行图形？据我所知，在训练我的模型时（在 python 中使用 skflow，后来我将其保存为二进制 protobuf），我没有标记输入/输出节点，但我能够恢复模型并毫无困难地进行预测在 Python 中。当使用 C++ API 执行图形时，输入向量是成对的字符串和张量，我假设字符串是指输入节点的标签。来自文档：

Session::Run(const std::vector< std::pair< string, Tensor > > &inputs,
const std::vector< string > &output_tensor_names,
const std::vector< string > &target_node_names,
std::vector< Tensor > *outputs)=0
使用提供的输入张量运行图形并填充输出 output_tensor_names 中指定的端点。跑到但没有返回 target_node_names 中节点的张量。

有什么方法可以在不知道输入/输出节点标签的情况下执行图表？也许有一种方法可以在 Python 中加载图形，给节点标签，然后再次将其保存为 protobuf？理想情况下，我只想传入一个应用于输入节点的向量，而不必担心任何标签。

【问题讨论】：

标签： python c++ machine-learning tensorflow skflow

【解决方案1】：

在 skflow 中，所有节点都已经有标签，它只是负责为您恢复它们。

X 和 y 的默认名称分别为 input:0 和 output:0，然后根据您使用的模型为预测和损失提供一些自定义名称。

查找预测和概率节点名称的方法是查看您保存模型的目录中的endpoints文件（如果您使用estimator.save(path)保存）。

应该是这样的：

输入：0

输出：0

logistic_regression/softmax_classifier/Softmax

logistic_regression/softmax_classifier/xent:0

其中前两个是输入/输出节点的名称，后两个是预测和损失节点。

【讨论】：

【解决方案2】：

如果您可以“在 Python 中轻松恢复模型并进行预测”，那么您可以使用它们的“name”属性找出输入节点或张量的名称/标签，在以下任一位置搜索“.name”：

https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#Operation 或者： https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#Tensor

无论您是否明确命名，所有节点都有名称/标签。

【讨论】：