在python中加载tf.saved_model后如何获取输入和输出张量

Question

假设我用以下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})

现在我将保存的模型加载回另一个python程序中 with tf.Session() as sess: tf.saved_model.loader.load(sess, ['serve'], export_dir)

现在的问题是，当调用simple_save（）方法时，如何通过在输入/输出参数中指定的“ input_x”，“ input_y”，“ output_z”键来获取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x，y，z张量时明确命名它们，然后使用这些名称从图中检索它们，这似乎是多余的，因为我们在调用simple_save（）时为其指定了键。

Answer 1

我确实遇到了您的问题，经过一番调查（我认为TF文档不佳），我找到了下一个解决方案：

使用返回的MetaGraphDef对象查找输入\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，您可以从他轻松获得映射的张量名称，例如：

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