Question

假设我用以下代码保存了一个模型 tf.saved_model.simple_save(sess, export_dir, in={'input_x': x, 'input_y':y}, out={'output_z':z})

现在我将保存的模型加载回另一个python程序中 with tf.Session() as sess: tf.saved_model.loader.load(sess, ['serve'], export_dir)

现在的问题是，当调用simple_save（）方法时，如何在输入/输出参数中指定的“ input_x”，“ input_y”，“ output_z”键抓住x，y，z张量的句柄？ / p>

我在网上找到的唯一解决方案是在创建x，y，z张量时显式命名，然后使用这些名称从图中检索它们，这似乎是多余的，因为我们在调用时为它们指定了键simple_save（）。

Answer 1

我确实遇到了您的问题，经过一番调查（我认为TF文档不佳），我找到了下一个解决方案：

使用返回的MetaGraphDef对象查找输入\输出名称映射。

        graph = tf.Graph()
    with graph.as_default():
        metagraph = tf.saved_model.loader.load(sess, [tag_constants.SERVING],save_path)

    inputs_mapping = dict(metagraph.signature_def['serving_default'].inputs)
    outputs_mapping = dict(metagraph.signature_def['serving_default'].outputs)

此代码将为您提供保存到“ TensorInfo”对象时提供的名称之间的映射，您可以从他轻松获得映射的张量名称，例如：

    my_input = inputs_mapping['my_input_name'].name
    my_input_t = graph.get_tensor_by_name(my_input)

Answer 2

tf.saved_model.loader.load的返回值是一个MetaGraphDef协议缓冲区，该缓冲区应具有保存保存的模型时设置的所有签名；这些应该包含您想要的名称。

在python中加载tf.saved_model后如何获取输入和输出张量

2 个答案: