如何在新的计算图中重用已冻结的先前学习的子图

Question

我已经构建了一个使用Dataset API训练的自动编码器。该张量架构描述了该体系结构：

我想在其他学习任务中仅重用编码器部分，所以我尝试使用

冻结图形

g = tf.graph_util.convert_variables_to_constants(sess, sess.graph_def, ["AEC/encoded"])
g = tf.graph_util.extract_sub_graph(g, ["AEC/encoded"])
g = tf.graph_util.remove_training_nodes(g, protected_nodes=["AEC/input", "AEC/encoded"])
with open(str(Path(params.encoder_export_dir)/"encoder.pb"), "wb") as f:
    f.write(g.SerializeToString())

然后尝试使用

在我的其他代码中导入它

encoder_input = tf.placeholder(tf.float32, [None, 2049])
gd = tf.GraphDef()
with open('./path/to/encoder.pb', 'rb') as f:
    gd.ParseFromString(f.read())
[out] = tf.import_graph_def(gd,
                            input_map={"AEC/input" : encoder_input},
                            return_elements=['AEC/encoded'],
                            name=''
                           )

但运行out张量并在encoder_input中提供内容时，我得到None

我试图在tensorboard中可视化导出的图形

似乎张量的形状消失了。

所以我的问题是如何以一种允许我在另一段代码中将其用作“黑匣子”的方式导出我的编码器？

编辑：

我使用占位符而不是数据集迭代器get_next张量来实现我的模型，除了输入节点（对应于占位符）将其形状存储在其属性中之外，缺少维度保持不变。

编辑2：

按照this issue report中的建议，我在使用

导出图表时添加了形状信息

g = tf.get_default_graph().as_graph_def(add_shapes=True)

现在看到有关tensorboard架构的形状信息，但计算仍然返回None

Answer 1

最后问题是由于语法错误：而不是使用

[out] = tf.import_graph_def(gd,
                        input_map={"AEC/input" : encoder_input},
                        return_elements=['AEC/encoded'],
                        name=''
                       )

AEC/encoded中的return_elements是一个操作，正确的方法是使用AEC/encoded:0

询问此操作的输出的tensorflow