如何通过 tensorflow.layer 获得张量输出答案

【问题标题】：How can I get a tensor output by a tensorflow.layer如何通过 tensorflow.layer 获得张量输出
【发布时间】：2018-05-17 02:44:06
【问题描述】：

我使用更高级别的张量流层创建了一个 CNN 模型，例如

conv1 = tf.layers.conv2d(...)
maxpooling1 = tf.layers.max_pooling2d(...)
conv2 = tf.layers.conv2d(...)
maxpooling2 = tf.layers.max_pooling2d(...)
flatten = tf.layers.flatten(...)
logits = tf.layers.dense(...)
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(...))
optimizer = tf.train.AdadeltaOptimizer(init_lr).minimize(loss)
acc = tf.reduce_mean(...)

该模型经过良好的训练和保存，到目前为止一切都很好。接下来，我想加载这个保存的模型，更改学习率，并继续训练（我知道 tensorflow 提供了指数衰减（）函数来允许衰减学习率，这里我只想完全控制学习率，并手动更改）。为此，我的想法是：

saver = tf.train.import_meta_grah(...)
saver.restore(sess, tf.train.latest_chechpoint(...))
graph = tf.get_default_graph()

inputImg_ = graph.get_tensor_by_name(...)  # this is place_holder in model
labels_ = graph.get_tensor_by_name(...)  # place_holder in model
logits = graphget_tensor_by_name(...) # output of dense layer
loss = grah.get_tensor_by_name(...) # loss
optimizer = tf.train.AdadeltaOptimizer(new_lr).minimize(loss) # I give it a new learning rate
acc = tf.reduce_mean(...)

现在我遇到了问题。上面的代码可以成功获取inputmg_、labels_，因为我在定义的时候给它们命名了。但我无法获得 logits，因为 logits = tf.layers.dense(name='logits') 名称实际上是给密集层而不是输出张量 logits。这意味着，我也无法获得张量 conv1、conv2。似乎 tensorflow 无法按层命名张量输出。在这种情况下，有没有办法获得这些张量，比如 logits、conv1、maxpooling1？我已经搜索了一段时间但没有找到答案。

【问题讨论】：

我解决了我的问题。只是在此处标记以帮助他人。使用 tf.layers 将创建子图，您可以使用 tensorboard 绘制和查看它。解决方案是，使用 graph.get_operations() 函数输出图中的所有操作，然后查找“logits”层的输出。就我而言，我发现输出张量 logits 的操作名称是“logits/BiasAdd”。因此，我通过logits=graph.get_operation_by_name('logits/BiasAdd').out‌put[0].. 获得张量 logits。完成！但是，新问题，您需要初始化新定义的优化器。这已经解决了，只需google i
您应该将此作为答案发布并将其标记为“已接受”。

标签： tensorflow layer

【解决方案1】：

我遇到了同样的问题并使用 tf.identity 解决了它。

由于dense layer有bias和weights参数，当你命名它时，你是在命名layer，而不是输出tensor。

tf.identity 返回一个与输入具有相同形状和内容的张量。

因此，只需保留密集层未命名并将其用作 tf.identity 的输入

self.output = tf.layers.dense(hidden_layer3, 2)
self.output = tf.identity(self.output, name='output')

现在你可以加载输出了

output = graph.get_tensor_by_name('output:0')

【讨论】：