Tensorflow：如何按名称获取张量？

Question

我无法按名称恢复张量，我什至不知道是否可能。

我有一个创建图形的函数：

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

我想在这个函数之外访问变量 S1_conv1。 我试过：

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: Under-sharing: Variable scale_1/Scale1_first_relu 不存在，不允许。 您的意思是在 VarScope 中设置重用=无吗？

但这有效：

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

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 2

所有张量都有字符串名称，您可以看到如下

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

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

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作为

sess.run('add:0')

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

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

或者更简单的是，从模型.pb文件附带的相应.pbtxt文件中推断它。 由于这取决于型号，因此每种情况都不同。