Tensorflow:如何通过名称获取张量?
python
tensorflow
8
0

我无法按名称恢复张量,我什至不知道是否可能。

我有一个创建图的函数:

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

我想在此函数之外访问变量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:共享不足:不允许使用变量scale_1 / Scale1_first_relu。您是说要在VarScope中设置“ reuse = None”?

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')

我可以解决这个问题

return S3_conv1,regularizer, S1_conv1

但是我不想那样做。

我认为我的问题是S1_conv1并不是一个真正的变量,它只是一个张量。有什么方法可以做我想要的吗?

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

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)
收藏
评论

所有张量都有字符串名称,您可以如下所示

[tensor.name for tensor in tf.get_default_graph().as_graph_def().node]

一旦知道名称,就可以使用<name>:0来获取Tensor(0表示端点,这有点多余)

例如,如果您这样做

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

您具有以下张量名称

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

因此您可以将添加的输出作为

sess.run('add:0')

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实现细节,并且可能会更改。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号