我想在Android上测试Python下的学习模型，我在Tensorflow 0.9上测试。 为此，我将我的图形冻结为具有图形和权重的单个pb文件。我使用队列来管理我的学习批次。
在Android上运行会话时，我通过名称＆＃34; input_node＆＃34;指定输入张量，这是我网络中输入的数据层。
X = tf.reshape(X, [-1, W, H, 1], name="input_node")
并调用＆＃34; output_node＆＃34;图层：
output = tf.reshape(h_fc11, shape=[-1, 8], name="output_node")
这是tensorflow_jni.cc中的调用：
std::vector<std::pair<std::string, tensorflow::Tensor> > input_tensors({{"input_node", input_tensor}});
s = session->Run(input_tensors, output_names, {}, &output_tensors);
批次生成之前已完成，因此在测试时不应使用它。 但是我有以下错误： tensorflow_jni.cc:312推理期间出错：参数无效：没有注册OpKernel来支持Op＆＃39; RandomShuffleQueue＆＃39;与这些attrs [[Node：shuffle_batch / random_shuffle_queue = RandomShuffleQueuecapacity = 10750，component_types = [DT_FLOAT，DT_FLOAT]，container =＆＃34;＆＃34;，min_after_dequeue = 10000，seed = 0，seed2 = 0，shapes = [[10000]， [8]]，shared_name =＆＃34;＆＃34;]]
似乎调用了批处理生成层（我的图像是100x100，我有8个输出），但我不知道为什么。
通过直接在Mac上使用image_labelling.cc（使用Bazel构建）测试具有相同输入/输出层的相同模型时，我没有错误。
我不明白为什么在测试时需要RandomShuffleQueue。我错过了一些东西来指定我想要使用的图形部分吗？即使没有使用，图表的所有图层都会得到验证吗？
感谢。
答案 0 :(得分：1)
我仍在处理此文档，但我认为optimize_for_inference脚本可以帮助您：
传入冻结图，输入节点和输出节点，并删除所有其他不需要的操作。