tensorflow - 如何在 python 中加载 tf.saved_model 后获取输入和输出张量

Question

假设我用下面的代码保存了一个模型
tf.saved_model.simple_save(sess, export_dir, in={'input_x': x, 'input_y':y}, out={'output_z':z})


现在我在另一个 python 程序中加载保存的模型作为
以 tf.Session() 作为 sess:
tf.saved_model.loader.load(sess, ['serve'], export_dir)


现在的问题是，在调用 simple_save() 方法时，如何通过我在输入/输出参数中指定的 'input_x'、'input_y'、'output_z' 键获取 x、y、z 张量的句柄？

我在网上找到的唯一解决方案依赖于在创建它们时显式命名 x, y, z 张量，然后使用这些名称从图中检索它们，这似乎是非常多余的，因为我们在调用时为它们指定了键simple_save()。

Answer 1

我确实遇到了你的问题，经过一些调查(我认为 TF 文档很差)我找到了下一个解决方案:

使用返回的 MetaGraphDef 对象查找您的输入\输出名称映射。

        graph = tf.Graph()
    with graph.as_default():
        metagraph = tf.saved_model.loader.load(sess, [tag_constants.SERVING],save_path)

    inputs_mapping = dict(metagraph.signature_def['serving_default'].inputs)
    outputs_mapping = dict(metagraph.signature_def['serving_default'].outputs)

此代码将为您提供在保存到“TensorInfo”对象时提供的名称之间的映射，您可以从他那里轻松获取映射的张量名称，例如:

    my_input = inputs_mapping['my_input_name'].name
    my_input_t = graph.get_tensor_by_name(my_input)