Question

我有张量流模型，我有.meta和检查点文件。我试图打印模型所需的所有占位符，而不查看构建模型的代码，这样我就可以在不知道模型是如何创建的情况下构造输入feed_dict。作为参考，这是模型构造代码（在另一个文件中）

def save():
    import tensorflow as tf
    v1 = tf.placeholder(tf.float32, name="v1") 
    v2 = tf.placeholder(tf.float32, name="v2")
    v3 = tf.multiply(v1, v2)
    vx = tf.Variable(10.0, name="vx")
    v4 = tf.add(v3, vx, name="v4")
    saver = tf.train.Saver()
    sess = tf.Session()
    sess.run(tf.initialize_all_variables())
    sess.run(vx.assign(tf.add(vx, vx)))
    result = sess.run(v4, feed_dict={v1:12.0, v2:3.3})
    print(result)
    saver.save(sess, "./model_ex1")

现在在另一个文件中，我有以下代码要恢复

def restore():
    import tensorflow as tf
    saver = tf.train.import_meta_graph("./model_ex1.meta")
    print(tf.get_default_graph().get_all_collection_keys())
    for v in tf.get_default_graph().get_collection("variables"):
        print(v)
    for v in tf.get_default_graph().get_collection("trainable_variables"):
        print(v)
    sess = tf.Session()
    saver.restore(sess, "./model_ex1")
    result = sess.run("v4:0", feed_dict={"v1:0": 12.0, "v2:0": 4.0})
    print(result)

但是，当我打印上面的所有变量时，我不会在任何地方看到“v1：0”和“v2：0”作为变量名称。如何在不查看创建模型的代码的情况下识别占位符的张量名称？

Answer 1

张量v1:0和v2:0是根据tf.placeholder()操作创建的，而只有tf.Variable个对象添加到"variables"（或"trainable_variables" ）收藏品。没有添加tf.placeholder()操作的常规集合，因此您的选项是：

在构建原始图表时，将tf.placeholder()操作添加到集合中（使用tf.add_to_collection()。您可能需要添加更多元数据，以便建议如何使用占位符。
导入元图后，使用[x for x in tf.get_default_graph().get_operations() if x.type == "PlaceholderV2"]获取占位符操作列表。

Answer 2

mrry's answer很棒。第二种解决方案真有帮助。但是占位符的操作名称在不同的TensorFlow版本中发生了变化。这是我在.meta文件的Graphdef部分找到正确的占位符操作名称的方法：

saver = tf.train.import_meta_graph('some_path/model.ckpt.meta')
imported_graph = tf.get_default_graph()
graph_op = imported_graph.get_operations()
with open('output.txt', 'w') as f:
    for i in graph_op:
        f.write(str(i))

在output.txt文件中，我们可以轻松找到占位符的正确操作名称和其他标记。这是我的输出文件的一部分：

name: "input/input_image"
op: "Placeholder"
attr {
  key: "dtype"
  value {
    type: DT_FLOAT
  }
}
attr {
  key: "shape"
  value {
    shape {
      dim {
        size: -1
      }
      dim {
        size: 112
      }
      dim {
        size: 112
      }
      dim {
        size: 3
      }
    }
  }
}

显然，在我的tensorflow版本（1.6）中，正确的占位符操作名称为Placeholder。现在回到mrry的解决方案。使用[x for x in tf.get_default_graph().get_operations() if x.type == "Placeholder"]获取所有占位符操作的列表。

因此，仅使用ckpt文件执行推理操作既简单又方便，无需重建模型。例如：

input_x = ... # prepare the model input

saver = tf.train.import_meta_graph('some_path/model.ckpt.meta')
graph_x = tf.get_default_graph().get_tensor_by_name('input/input_image:0')
graph_y = tf.get_default_graph().get_tensor_by_name('layer19/softmax:0')
sess = tf.Session()
saver.restore(sess, 'some_path/model.ckpt')

output_y = sess.run(graph_y, feed_dict={graph_x: input_x})

Tensorflow从元图中打印所有占位符变量名称

2 个答案: