我有一个在 python 类中创建的图表。初始化程序使我能够创建新图或加载现有图。
如果我通过创建来初始化，我会创建一个输入占位符:
self.input = tf.placeholder("float", [None, self.input_size], name="x"
然后我可以保存我的图表:
tf.saved_model.simple_save(
self.sess, path, inputs={"x": self.input}, outputs={"encoded": self.encoded
如果我从加载初始化，我首先加载图形
tf.saved_model.loader.load(
self.sess, [tf.saved_model.tag_constants.SERVING], path
)
然后在类中设置我的输入输出名称
self.input = self.sess.graph.get_operation_by_name("x")
self.encoded = self.sess.graph.get_operation_by_name("encoded")
但是，当我尝试使用加载的图表时，出现错误:
def encode(self, X):
return self.sess.run(self.encoded,
feed_dict={self.input: X})
==> TypeError: Cannot interpret feed_dict key as Tensor: Can not convert a Operation into a Tensor.
我的 feed_dict self.input 被解释为一个操作，而不是一个张量。请注意，我无法将“x”作为张量加载 - 如果我尝试 self.input = self.sess.graph.get_tensor_by_name("x")，我会收到一个错误，报告“x "是操作的名称，而不是张量。
但是，如果我检查 self.input，它被报告为占位符:
name: "x"
op: "Placeholder"
attr {
key: "dtype"
value {
type: DT_FLOAT
}
}
attr {
key: "shape"
value {
shape {
dim {
size: -1
}
dim {
size: 81
}
}
}
}
我做错了什么？
请您参考如下方法:
您正在指定一个完整的操作，但由于操作可以有多个输出，您必须准确地告诉您想要哪个输出。试试这个:
def encode(self, X):
return self.sess.run(self.encoded,
feed_dict={self.input.outputs[0]: X})
或者，您可以:
self.input = self.sess.graph.get_tensor_by_name("x:0")
