Question

我无法通过名字恢复张力，我甚至不知道它是否可能。

我有一个创建图表的函数：

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

我想访问此函数外的变量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：欠共享：不允许使用变量scale_1 / Scale1_first_relu。你的意思是在VarScope中设置reuse = None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')

我可以用

解决这个问题

return S3_conv1,regularizer, S1_conv1

但我不想这样做。

我认为我的问题是S1_conv1实际上不是一个变量，它只是一个张量。有办法做我想做的事吗？

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

MONTH  VALVE_SCORE
1      value
2      value
3      value

一旦知道了名称，就可以使用[tensor.name for tensor in tf.get_default_graph().as_graph_def().node]获取Tensor（0表示有点多余的端点）

例如，如果你这样做

<name>:0

您有以下Tensor名称

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

因此您可以获取添加的输出

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

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一个实现细节，可能会更改。

Answer 3

在这种情况下，您要做的只是：

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

Answer 4

或更简单的是，从模型.pbtxt文件随附的相应.pb文件中推断出它。由于它取决于模型，所以每种情况都不同。

Tensorflow：如何通过名称获得张量？

4 个答案: