Tensorflow 中图表中的张量名称列表

Posted 2023-02-23

【中文标题】Tensorflow 中图表中的张量名称列表

【英文标题】：List of tensor names in graph in Tensorflow

【发布时间】：2016-05-22 01:41:53

【问题描述】：

Tensorflow 中的图形对象有一个名为“get_tensor_by_name(name)”的方法。无论如何要获得有效张量名称的列表吗？

如果没有，有人知道预训练模型 inception-v3 from here 的有效名称吗？在他们的示例中，pool_3 是一个有效的张量，但所有这些张量的列表都会很好。我查看了the paper referred to，其中一些层似乎与表 1 中的大小相对应，但不是全部。

【问题讨论】：

不推荐对etarion's answer、op.values() 进行小更新。请改用op.outputs。

【参考方案1】：

论文没有准确地反映模型。如果你从 arxiv 下载源代码，它有一个准确的模型描述，如 model.txt，其中的名称与已发布模型中的名称密切相关。

为了回答您的第一个问题，sess.graph.get_operations() 为您提供了操作列表。对于一个操作，op.name 给你名称，op.values() 给你它产生的张量列表（在 inception-v3 模型中，所有张量名称都是带有“：0”的操作名称，所以@ 987654325@是最终池化操作产生的张量。）

【讨论】：

感谢您的快速回答！ model.txt 和我在这个预训练模型中看到的输出形状似乎仍然存在一些差异。例如，如果我查看“pool:0”，我猜它是第一个池化层，我得到的形状是 73x73x64，但在 model.txt 中它之后的层的输入是 73x73x80。还是我误会了什么？

@john 我没有深入挖掘 model.txt 中的 cmets，我认为 cmets 中存在一些不一致之处 - 我没有发现非 cmets 中的不一致之处。对于那个池化层，之前的卷积有 64 个过滤器组（Conv 分配给 conv_2 的第二个参数），所以池化层也有 64 个通道。 80是下一个conv层的输出数...

@etarion 我在哪里可以下载这个model.txt？请问可以直接给我链接吗？提前致谢

@OleksandrKhryplyvenko 它是arxiv.org/format/1512.00567v3源代码分发的一部分

@etarion 谢谢！顺便说一句，我已经构建了 inception v3 图。正如您告诉我的那样，在图形构建期间过多的内存消耗是由重复条目引起的。

【参考方案2】：

以上答案都是正确的。对于上述任务，我遇到了一个易于理解/简单的代码。所以在这里分享：-

import tensorflow as tf

def printTensors(pb_file):

    # read pb into graph_def
    with tf.gfile.GFile(pb_file, "rb") as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())

    # import graph_def
    with tf.Graph().as_default() as graph:
        tf.import_graph_def(graph_def)

    # print operations
    for op in graph.get_operations():
        print(op.name)


printTensors("path-to-my-pbfile.pb")

【讨论】：

我从 ParseFromString 得到一个google.protobuf.message.DecodeError: Error parsing message。但我正在使用saved_model。为什么 TF 中的模型有这么多格式？有点烂。

【参考方案3】：

查看图中的操作（你会看到很多，所以为了简短起见，我在这里只给出了第一个字符串）。

sess = tf.Session()
op = sess.graph.get_operations()
[m.values() for m in op][1]

out:
(<tf.Tensor 'conv1/weights:0' shape=(4, 4, 3, 32) dtype=float32_ref>,)

【参考方案4】：

您甚至不必创建会话即可查看图表中所有操作名称的名称。为此，您只需获取默认图形tf.get_default_graph() 并提取所有操作：.get_operations。每个操作都有many fields，你需要的是名字。

代码如下：

import tensorflow as tf
a = tf.Variable(5)
b = tf.Variable(6)
c = tf.Variable(7)
d = (a + b) * c

for i in tf.get_default_graph().get_operations():
    print i.name

【讨论】：

这可行，但由于某种原因，初始模型（我尝试过的唯一模型）在其大多数名称中都有一个:0，并且上面的i.name 代码没有反映它。这是为什么呢？

AttributeError: module 'tensorflow' has no attribute 'get_default_graph' - 这个代码也适用于 tf2.x 吗？

要在 >= Tf 2.0 中获取图形，不要使用 tf.get_default_graph()。相反，您需要先实例化一个 tf.function 并按如下方式访问 graph 属性：graph = func.get_concrete_function().graph

【参考方案5】：

作为嵌套列表推导：

tensor_names = [t.name for op in tf.get_default_graph().get_operations() for t in op.values()]

获取图表中张量名称的函数（默认为默认图表）：

def get_names(graph=tf.get_default_graph()):
    return [t.name for op in graph.get_operations() for t in op.values()]

在图中获取张量的功能（默认为默认图）：

def get_tensors(graph=tf.get_default_graph()):
    return [t for op in graph.get_operations() for t in op.values()]

【参考方案6】：

saved_model_cli 是 TF 附带的替代命令行工具，可能在您处理“SavedModel”格式时很有用。来自docs

!saved_model_cli show --dir /tmp/mobilenet/1 --tag_set serve --all

此输出可能有用，例如：

MetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:

signature_def['__saved_model_init_op']:
  The given SavedModel SignatureDef contains the following input(s):
  The given SavedModel SignatureDef contains the following output(s):
    outputs['__saved_model_init_op'] tensor_info:
        dtype: DT_INVALID
        shape: unknown_rank
        name: NoOp
  Method name is: 

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['dense_input'] tensor_info:
        dtype: DT_FLOAT
        shape: (-1, 1280)
        name: serving_default_dense_input:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['dense_1'] tensor_info:
        dtype: DT_FLOAT
        shape: (-1, 1)
        name: StatefulPartitionedCall:0
  Method name is: tensorflow/serving/predict