Tensorflow 图中的张量名称列表

Question

Tensorflow 中的图形对象有一个名为“get_tensor_by_name(name)”的方法。 无论如何可以获得有效张量名称的列表？

如果没有，有没有人知道这里的预训练模型 inception-v3 的有效名称？ 在他们的示例中，pool_3 是一个有效的张量，但列出所有张量会很好。 我查看了所引用的论文，有些层似乎与表 1 中的大小相对应，但并非全部。

Answer 1

论文没有准确反映模型。 如果你从 arxiv 下载源代码，它有一个准确的模型描述作为 model.txt，其中的名称与发布的模型中的名称密切相关。

要回答您的第一个问题， sess.graph.get_operations()为您提供了一个操作列表。 对于操作， op.name为您提供名称， op.values()为您提供它生成的张量列表（在 inception-v3 模型中，所有张量名称都是附加了“:0”的操作名称，所以pool_3:0是最终池化操作产生的张量。）

Answer 2

以上答案都是正确的。 对于上述任务，我遇到了一个易于理解/简单的代码。 所以在这里分享：-

import tensorflow as tf

def printTensors(pb_file):

    # read pb into graph_def
    with tf.gfile.GFile(pb_file, "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():
        print(op.name)


printTensors("path-to-my-pbfile.pb")

Answer 3

查看图中的操作（你会看到很多，所以为了简短起见，我在这里只给出了第一个字符串）。

sess = tf.Session()
op = sess.graph.get_operations()
[m.values() for m in op][1]

out:
(<tf.Tensor 'conv1/weights:0' shape=(4, 4, 3, 32) dtype=float32_ref>,)

Answer 4

您甚至不必创建会话即可查看图中所有操作名称的名称。 为此，您只需要获取默认图形tf.get_default_graph()并提取所有操作： .get_operations 。 每个操作都有许多字段，您需要的是名称。

这是代码：

import tensorflow as tf
a = tf.Variable(5)
b = tf.Variable(6)
c = tf.Variable(7)
d = (a + b) * c

for i in tf.get_default_graph().get_operations():
    print i.name

Answer 5

作为嵌套列表理解：

tensor_names = [t.name for op in tf.get_default_graph().get_operations() for t in op.values()]

获取图形中张量名称的函数（默认为默认图形）：

def get_names(graph=tf.get_default_graph()):
    return [t.name for op in graph.get_operations() for t in op.values()]

在图中获取张量的函数（默认为默认图）：

def get_tensors(graph=tf.get_default_graph()):
    return [t for op in graph.get_operations() for t in op.values()]

Answer 6

saved_model_cli是 TF 附带的替代命令行工具，如果您处理“SavedModel”格式，它可能会很有用。 从文档

!saved_model_cli show --dir /tmp/mobilenet/1 --tag_set serve --all

此输出可能很有用，例如：

MetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:

signature_def['__saved_model_init_op']:
  The given SavedModel SignatureDef contains the following input(s):
  The given SavedModel SignatureDef contains the following output(s):
    outputs['__saved_model_init_op'] tensor_info:
        dtype: DT_INVALID
        shape: unknown_rank
        name: NoOp
  Method name is: 

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['dense_input'] tensor_info:
        dtype: DT_FLOAT
        shape: (-1, 1280)
        name: serving_default_dense_input:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['dense_1'] tensor_info:
        dtype: DT_FLOAT
        shape: (-1, 1)
        name: StatefulPartitionedCall:0
  Method name is: tensorflow/serving/predict