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

Question

是否可以使用没有标记输入（或输出）节点的 Tensorflow C++ API 执行图形？据我所知，在训练我的模型时（在 python 中使用 skflow，然后我将其保存为二进制 protobuf），我没有标记 input/output 个节点，但我能够恢复在 Python 中毫无困难地进行建模和预测。当使用 C++ API 执行图形时，输入向量是字符串和张量对，我假设字符串指的是输入节点的标签。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
Runs the graph with the provided input tensors and fills outputs for the endpoints specified in output_tensor_names. Runs to but does not return Tensors for the nodes in target_node_names.

有什么方法可以在不知道 input/output 节点标签的情况下执行图形？也许有一种方法可以在 Python 中加载图表，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。

Answer 1

如果可以 "restore the model and do predictions without difficulty in Python"，那么您可以使用 "name" 属性找到输入节点或张量的 names/labels，搜索“.name”在任一：

https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#Operation 要么： 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 names/labels。

Answer 2

在 skflow 中，所有节点都已经有标签，它只负责为您恢复它们。

X 和 y 的默认名称分别为 input:0 和 output:0，然后是根据您使用的模型进行预测和损失的一些自定义名称。

找出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) 进行保存）。

它应该是这样的：

input:0

output:0

logistic_regression/softmax_classifier/Softmax

logistic_regression/softmax_classifier/xent:0

其中前两个是 input/output 节点的名称，后两个是预测和损失节点。

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

Executing a model trained in skflow using the Tensorflow C++ API

python

c++

machine-learning

tensorflow

skflow