python-3.x - 如何找到output_node_name来构建卡住图？

Question

我指的是https://github.com/dennybritz/cnn-text-classification-tf作为引用。我的目标是从模型文件构建卡住图。我想知道签名中的输入和输出节点以有效构建卡住图。我使用以下代码从图形定义打印原型(prototype)文件。

saver=tf.train.import_meta_graph('some_path/model.ckpt.meta')
imported_graph = tf.get_default_graph() 
graph_op = imported_graph.get_operations() with open('output.txt', 'w') as f:
        for i in graph_op:
            f.write(str(i))

我得到的输出如下:https://drive.google.com/drive/folders/1iZQqohx8jAWbSw7XV3vFJuLkaUp0Dt2s?usp=sharing

我如何知道哪个是输出节点，哪个是输入节点，这个文件中有大量的输入和输出？

Answer 1

我建议使用 Tensorboard 来可视化图形结构，而不是使用带有节点的文本文件。您可以查看更多详情here .

但是图表本身没有输入或输出的概念。您可以将没有输入连接的节点视为输入节点的良好候选者，尤其是占位符节点。连接到损失函数的节点是输出节点的良好候选者。

总结:一般情况下需要通过分析网络架构来猜测哪些节点是输入，哪些是输出。

对于您引用的存储库，您可以阅读 eval.py 代码并找到以下几行:

input_x = graph.get_operation_by_name("input_x").outputs[0]
# input_y = graph.get_operation_by_name("input_y").outputs[0]
dropout_keep_prob = graph.get_operation_by_name("dropout_keep_prob").outputs[0]

# Tensors we want to evaluate
predictions = graph.get_operation_by_name("output/predictions").outputs[0]

因此输入节点很可能是“input_x”，输出节点是“output/predictions”。