温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

TensorFlow如何获取加载模型中的全部张量名

发布时间:2021-05-11 11:28:27 来源:亿速云 阅读:177 作者:小新 栏目:开发技术

这篇文章给大家分享的是有关TensorFlow如何获取加载模型中的全部张量名的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。

核心代码如下:

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

实例代码:(加载了Inceptino_v3的模型,并获取该模型所有节点的名称)

# -*- coding: utf-8 -*-
 
import tensorflow as tf
import os
 
model_dir = 'C:/Inception_v3'
model_name = 'output_graph.pb'
 
# 读取并创建一个图graph来存放训练好的 Inception_v3模型(函数)
def create_graph():
 with tf.gfile.FastGFile(os.path.join(
   model_dir, model_name), 'rb') as f:
  # 使用tf.GraphDef()定义一个空的Graph
  graph_def = tf.GraphDef()
  graph_def.ParseFromString(f.read())
  # Imports the graph from graph_def into the current default Graph.
  tf.import_graph_def(graph_def, name='')
 
# 创建graph
create_graph()
 
tensor_name_list = [tensor.name for tensor in tf.get_default_graph().as_graph_def().node]
for tensor_name in tensor_name_list:
 print(tensor_name,'\n')

输出结果:

mixed_8/tower/conv_1/batchnorm/moving_variance 

mixed_8/tower/conv_1/batchnorm 

r_1/mixed/conv_1/batchnorm 

.

.

.

mixed_10/tower_1/mixed/conv_1/CheckNumerics 

mixed_10/tower_1/mixed/conv_1/control_dependency 

mixed_10/tower_1/mixed/conv_1 

pool_3 

pool_3/_reshape/shape 

pool_3/_reshape 

input/BottleneckInputPlaceholder 
.
.
.
.
final_training_ops/weights/final_weights 

final_training_ops/weights/final_weights/read 

final_training_ops/biases/final_biases 

final_training_ops/biases/final_biases/read 

final_training_ops/Wx_plus_b/MatMul 

final_training_ops/Wx_plus_b/add 

final_result

由于结果太长了,就省略了一些。

如果不想这样print输出也可以将其写入txt 查看。

写入txt代码如下:

tensor_name_list = [tensor.name for tensor in tf.get_default_graph().as_graph_def().node]
 
txt_path = './txt/节点名称'
full_path = txt_path+ '.txt'
 
for tensor_name in tensor_name_list:
 name = tensor_name + '\n'
 file = open(full_path,'a+')
file.write(name)
file.close()

感谢各位的阅读!关于“TensorFlow如何获取加载模型中的全部张量名”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI