tf.train.write_graph用法

我不是知识的生产者，我只是一个渺小的搬运工，我们都站在巨人的肩膀上

---

探索了一下午这玩意的用法，终于会用了，在此附上实例子

首先要明白他保存图的原理，这个里面讲的很详细，请细品

https://zhuanlan.zhihu.com/p/31308381

tf.train.write_graph这个函数可以保留节点，op，constant，但不保存variable，如果你想要保存variable，那么就要转为constant

import tensorflow as tf
import numpy as np
from tensorflow.python.platform import gfile

#生成图
input1= tf.placeholder(tf.int32,name="input")
b = tf.constant([3])
output1= tf.add(input1, b, name="output")

#保存图
with tf.Session() as sess:
    tf.train.write_graph(sess.graph_def, "./", "test.pb", False)
    print(sess.run(output1,feed_dict={input1:1}))

#读取图
with tf.Session() as sess:
    with gfile.FastGFile("./test.pb",'rb') as f:
        graph = tf.get_default_graph()
        graph_def = graph.as_graph_def()
        graph_def.ParseFromString(f.read())
        tf.import_graph_def(graph_def, name='')


#查看图中信息，填充运行图
with tf.Session() as sess:
    input_x1 = sess.graph.get_tensor_by_name("input:0")  
    print (input_x1)   #可以看到这个placeholder的属性
    output = sess.graph.get_tensor_by_name("output:0")
    print (output)
    data1 = int(3)
    print(sess.run(output,feed_dict={input_x1:data1}))  #填充placeholder，然后运行图

#或者也可以直接读入图，运行
data1 = int(3)
with tf.Session() as sess:
    with gfile.FastGFile("./test.pb",'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        output = tf.import_graph_def(graph_def, input_map={'input:0':data1},             
        return_elements=['output:0'], name='a') 
        print(sess.run(output))  

print(len(graph_def.node))  #打印所有的op数

tensor_name = [tensor.name for tensor in graph_def.node]
print(tensor_name)   #打印所有的tensor名字

for op in graph.get_operations():
    print(op.name, op.values())  # print出tensor的name和值

 

同时tensorboard给我帮助我们模型结构可视化

在读取文件时tf.summary.FileWriter保存

with tf.Session() as sess:
    with gfile.FastGFile("./test.pb",'rb') as f:
        graph = tf.get_default_graph()
        graph_def = graph.as_graph_def()
        graph_def.ParseFromString(f.read())
        tf.import_graph_def(graph_def, name='graph')
        summaryWriter = tf.summary.FileWriter('log/', graph)  #存log

然后在终端下运行，省略写法的话一般是自动会自动补充端口号6006

tensorboard --logdir log --host localhost --port 6006 或者

tensorboard --logdir log   #省略写法

就会在终端生成一个可视化的连接了

 

 

解释几个问题：

1.sess.graph.get_tensor_by_name("input:0")是干什么的，为什么是input:0？

   答：是帮你获取张量的，input是节点名称，input:0是表述节点的输出的第一个张量

2.如果图中有变量，也想要保存，怎么办？

   答：保存图的时候转化成常量保存，graph = convert_variables_to_constants(sess, sess.graph_def, ["out"])

最后：有问题欢迎指正联系