當我們想要改造或者利用某一預訓練模型來完成一些其它任務時，一個常用且必備的操作是從指定模型中獲取到我們感興趣的張量（tensor）。

例如我想使用一個已經訓練好的CNN模型中間的某一層的結果作為特征向量來完成另一個相關任務，就需要這樣的操作。

如何做到？很簡單，只需兩步：

1.獲取到感興趣張量的名字.

2.使用get_tensor_by_name函數獲取

下面詳細說明下

1.獲取到感興趣張量的名字

我們知道，張量tensor是由操作operation運行得到的。

因此實際上，你要做的就是，獲取到能夠生成你想要的tensor的op的名字，無論你用什么方法。

通常情況，有兩種方法可以獲取到op_name。

1）如果模型是你自己搭建的，你直接可以通過查看搭建網絡的源代碼來確認op_name。

因此，對于具有關鍵含義的op，創建時為其自定義一個合適的名字，或者創建scope分組是一個良好的編碼習慣。

2）如果你對拿到的模型毫無頭緒，參考并修改下面的代碼打印出所有的張量信息

with tf.Graph().as_default():config = tf.ConfigProto()sess = tf.Session(config = config)with sess.as_default():meta_path = checkpoint_path + '.meta'saver = tf.train.import_meta_graph(meta_path)saver.restore(sess, checkpoint_path)op_list = sess.graph.get_operations()for op in op_list:print(op.name)print(op.values())

上面的代碼會輸出類似如下的結果：

... ... resnet_v1_50/pool5 (<tf.Tensor 'resnet_v1_50/pool5:0' shape=(?, 1, 1, 2048) dtype=float32>,) Logits/Squeeze (<tf.Tensor 'Logits/Squeeze:0' shape=(?, 2048) dtype=float32>,) ... ...

剩下需要做的就是基于你對模型結構的理解，找到你想要的張量對應的op_name。

例如，我想要的便是resnet50模型最后一個pooling層攤平后的張量，對應的op_name為‘Logits/Squeeze:0’

2.使用get_tensor_by_name函數獲取想要的張量

獲取到了op_name,剩下的事情僅僅是調用get_tensor_by_name函數來拿到它，例如：

embedding = tf.get_default_graph().get_tensor_by_name('Logits/Squeeze:0')

總結

以上是生活随笔為你收集整理的tensorflow 如何获取模型中想要的张量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。