如何在 TensorFlow 中访问 TensorProto 中的 tensor_content 值？答案

【问题标题】：How to access tensor_content values in TensorProto in TensorFlow?如何在 TensorFlow 中访问 TensorProto 中的 tensor_content 值？
【发布时间】：2017-05-23 03:39:15
【问题描述】：

类似于How to access values in protos in TensorFlow?，但不适合这种情况。

我在TensorProto 中看到了bytes tensor_content 属性。我正在尝试通过以下方式获取有关节点的信息：

for node in tf.get_default_graph().as_graph_def().node: node.attr['value'].tensor.tensor_content # decode these bytes

关于信息，节点的打印看起来像这样：

name: "conv2d/convolution/Shape"
op: "Const"
device: "/device:GPU:0"
attr {
  key: "dtype"
  value {
    type: DT_INT32
  }
}
attr {
  key: "value"
  value {
    tensor {
      dtype: DT_INT32
      tensor_shape {
        dim {
          size: 4
        }
      }
      tensor_content: "\003\000\000\000\003\000\000\000\001\000\000\000 \000\000\000"
    }
  }
}

【问题讨论】：

标签： tensorflow

【解决方案1】：

from tensorflow.python.framework import tensor_util

for n in tf.get_default_graph().as_graph_def().node:
    print tensor_util.MakeNdarray(n.attr['value'].tensor)

【讨论】：

还有tf.make_ndarray。

【解决方案2】：

解码 tensor_array 字节，然后用给定的形状重塑：

for node in tf.get_default_graph.as_graph_def().node:
    tensor_bytes = node.attr["value"].tensor.tensor_content
    tensor_dtype = node.attr["value"].tensor.dtype
    tensor_shape = [x.size for x in node.attr["value"].tensor.tensor_shape.dim]
    tensor_array = tf.decode_raw(tensor_bytes, tensor_dtype)
    tensor_array = tf.reshape(tensor_array, tensor_shape)

【讨论】：