Tensorflow：如何通过名称获取张量？

Question

我无法通过名称恢复张量，我什至不知道是否可行。

我有一个函数可以创建我的图表：

def create_structure(tf, x, input_size,dropout):    
 with tf.variable_scope("scale_1") as scope:
  W_S1_conv1 = deep_dive.weight_variable_scaling([7,7,3,64], name='W_S1_conv1')
  b_S1_conv1 = deep_dive.bias_variable([64])
  S1_conv1 = tf.nn.relu(deep_dive.conv2d(x_image, W_S1_conv1,strides=[1, 2, 2, 1], padding='SAME') + b_S1_conv1, name="Scale1_first_relu")
.
.
.
return S3_conv1,regularizer

我想访问这个函数外的变量S1_conv1。我试过了：

with tf.variable_scope('scale_1') as scope_conv: 
 tf.get_variable_scope().reuse_variables()
 ft=tf.get_variable('Scale1_first_relu')

但这给了我一个错误：

ValueError：共享不足：变量 scale_1/Scale1_first_relu 不存在，不允许。您是要在 VarScope 中设置 reuse=None 吗？

但这行得通：

with tf.variable_scope('scale_1') as scope_conv: 
 tf.get_variable_scope().reuse_variables()
 ft=tf.get_variable('W_S1_conv1')

我可以通过

解决这个问题

return S3_conv1,regularizer, S1_conv1

但我不想那样做。

我认为我的问题是 S1_conv1 并不是一个真正的变量，它只是一个张量。有没有办法做我想做的事？

Answer 1

所有张量都有字符串名称，如下所示

[tensor.name for tensor in tf.get_default_graph().as_graph_def().node]

一旦知道名称，就可以使用 <name>:0 获取张量（0 指端点，有点多余）

例如，如果你这样做

tf.constant(1)+tf.constant(2)

您有以下张量名称

[u'Const', u'Const_1', u'add']

所以你可以获取加法的输出为

sess.run('add:0')

请注意，这不是 public API 的一部分。自动生成的字符串张量名称是一个实现细节，可能会更改。

Answer 2

有一个函数tf.Graph.get_tensor_by_name()。例如：

import tensorflow as tf

c = tf.constant([[1.0, 2.0], [3.0, 4.0]])
d = tf.constant([[1.0, 1.0], [0.0, 1.0]])
e = tf.matmul(c, d, name='example')

with tf.Session() as sess:
    test =  sess.run(e)
    print e.name #example:0
    test = tf.get_default_graph().get_tensor_by_name("example:0")
    print test #Tensor("example:0", shape=(2, 2), dtype=float32)

Answer 3

在这种情况下你要做的就是：

ft=tf.get_variable('scale1/Scale1_first_relu:0')

Answer 4

或者更简单，从模型 .pb 文件附带的相应 .pbtxt 文件中推断出来。由于它取决于模型，每个情况都不同。

Tensorflow：如何通过名称获取张量？

Tensorflow: How to get a tensor by name?

python

scope

tensorflow