python - 使用 Tensorflow C++ API 执行在 skflow 中训练的模型

Question

是否可以使用没有标记输入(或输出)节点的 Tensorflow C++ API 执行图形？据我所知，在训练我的模型时(在 python 中使用 skflow，后来我将其保存为二进制 protobuf)，我没有标记输入/输出节点，但我能够毫无困难地恢复模型并进行预测在 Python 中。当使用 C++ API 执行图形时，输入 vector 是字符串和张量对，我假设字符串指的是输入节点的标签。来自文档:

Session::Run(const std::vector< std::pair< string, Tensor > > &inputs,
const std::vector< string > &output_tensor_names,
const std::vector< string > &target_node_names,
std::vector< Tensor > *outputs)=0

Runs the graph with the provided input tensors and fills outputs for the endpoints specified in output_tensor_names. Runs to but does not return Tensors for the nodes in target_node_names.

有什么方法可以在不知道输入/输出节点标签的情况下执行图形？也许有一种方法可以用 Python 加载图形，给节点标签，然后再次将其保存为 protobuf？理想情况下，我只想传入一个应用于输入节点的 vector ，而不必担心任何标签。

Answer 1

在 skflow 中，所有节点都已经有标签，它只负责为您恢复它们。

X 和 y 的默认名称分别为 input:0 和 output:0，然后是一些自定义名称预测和损失的名称取决于您使用的模型。

找出预测和概率节点名称的方法是查看保存模型目录中的 endpoints 文件(如果您使用了 estimator.save(path) 用于保存)。

它应该是这样的:

input:0

output:0

logistic_regression/softmax_classifier/Softmax

logistic_regression/softmax_classifier/xent:0

其中前两个是输入/输出节点的名称，后两个是预测和损失节点。