如何知道已保存模型中的输出和输入张量名称答案

【问题标题】：How can I know the output and input tensor names in a saved model如何知道已保存模型中的输出和输入张量名称
【发布时间】：2020-03-30 14:29:59
【问题描述】：

我知道如何加载保存的 TensorFlow 模型，但我如何知道输入和输出张量名称。

我可以使用 tf.import_graph_def 加载 protobuf 文件，然后使用函数 get_tensor_by_name 加载张量，但我如何知道任何预训练模型的张量名称。我需要检查他们的文档还是有其他方法。

【问题讨论】：

标签： tensorflow

【解决方案1】：

假设输入和输出张量是占位符，这样的事情应该对你有帮助：

X = np.ones((1,3), dtype=np.float32)
tf.reset_default_graph()
model_saver = tf.train.Saver(defer_build=True)
input_pl = tf.placeholder(tf.float32, shape=[1,3], name="Input")
w = tf.Variable(tf.random_normal([3,3], stddev=0.01), name="Weight")
b = tf.Variable(tf.zeros([3]), name="Bias")
output = tf.add(tf.matmul(input_pl, w), b)
model_saver.build()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
model_saver.save(sess, "./model.ckpt")

现在，图表已构建并保存，我们可以看到如下占位符名称：

model_loader = tf.train.Saver()
sess = tf.Session()
model_loader.restore(sess, "./model.ckpt")
placeholders = [x for x in tf.get_default_graph().get_operations() if x.type == "Placeholder"]
# [<tf.Operation 'Input' type=Placeholder>]

【讨论】：

是的，这样我可以得到张量的列表，但是我怎么知道输入和输出张量的模型架构。
这就是为什么我在创建图表时为输入张量命名的原因。这样，在加载图表时，您就知道要获取哪些张量，以便将数据输入到图表中。

【解决方案2】：

您可以检查图中每个操作的名称和输入列表，以查找张量的名称。

with tf.gfile.GFile(input_model_filepath, "rb") as f:
  graph_def = tf.GraphDef()
  graph_def.ParseFromString(f.read())

with tf.Graph().as_default() as graph:
  tf.import_graph_def(graph_def)

for op in graph.get_operations():
  print(op.name, [inp for inp in op.inputs])

【讨论】：

【解决方案3】：

仅针对输入的解决方案：

# read pb into graph_def
with tf.gfile.GFile(input_model_filepath, "rb") as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())

# import graph_def
with tf.Graph().as_default() as graph:
    tf.import_graph_def(graph_def)

# print operations
for op in graph.get_operations():
    if op.type == "Placeholder":
        print(op.name)

【讨论】：