Python KeyError：张量变量，指不存在的张量

使用LSTMCell，我训练了一个模型来生成文本。我启动了tensorflow会话，并使用tf.global\u variables\u initializer（）保存了所有tensorflow变量

import tensorflow as tf
sess = tf.Session()
//code blocks
run_init_op = tf.global_variables_intializer()
sess.run(run_init_op)
saver = tf.train.Saver()
#varible that makes prediction
prediction = tf.nn.softmax(tf.matmul(last,weight)+bias)
#feed the inputdata into model and trained
#saved the model
#save the tensorflow model
save_path= saver.save(sess,'/tmp/text_generate_trained_model.ckpt')
print("Model saved in the path : {}".format(save_path))

模型得到训练并保存其所有会话。链接以查看整个代码

现在，我加载了存储模型并尝试为文档生成文本。因此，我用以下代码恢复了模型

tf.reset_default_graph()
imported_data = tf.train.import_meta_graph('text_generate_trained_model.ckpt.meta')
with tf.Session() as sess:
    imported_meta.restore(sess,tf.train.latest_checkpoint('./'))

    #accessing the default graph which we restored
    graph = tf.get_default_graph()

    #op that we can be processed to get the output
    #last is the tensor that is the prediction of the network
    y_pred = graph.get_tensor_by_name("prediction:0")
    #generate characters
    for i in range(500):
        x = np.reshape(pattern,(1,len(pattern),1))
        x = x / float(n_vocab)
        prediction = sess.run(y_pred,feed_dict=x)
        index = np.argmax(prediction)
        result = int_to_char[index]
        seq_in = [int_to_char[value] for value in pattern]
        sys.stdout.write(result)
        patter.append(index)
        pattern = pattern[1:len(pattern)]

    print("\n Done...!")
sess.close()

我知道预测变量不存在于图表中

KeyError:“名称'prediction:0'引用的张量不是 存在。图形中不存在“预测”操作。“

这里有完整的代码

虽然我保存了所有tensorflow变量，但预测张量并没有保存在tensorflow计算图中。我的lstm\n.py文件有什么问题

---

谢谢

用于

图形。通过名称（“预测：0”）获取张量来工作，您应该在创建它时将其命名。你可以这样命名

prediction = tf.nn.softmax(tf.matmul(last,weight)+bias, name="prediction")

如果您已经训练了模型，并且无法重命名张量，您仍然可以使用其默认名称获取该张量，如中所示

y_pred = graph.get_tensor_by_name("Reshape_1:0")

如果
reformate_1
不是张量的实际名称，则必须查看图表中的名称并找出它。
你可以用电脑检查一下

for op in graph.get_operations():
    print(op.name)

我也有类似的问题，但当我使用您的建议并将我的层命名为
prediction=tf.layers.dense（net，8，name='prediction\u output'）时
我得到的操作名为
预测\输出/偏差预测\输出/偏差/读取预测\输出/偏差/初始值设定项/零预测\输出/偏差/分配预测\输出/内核/正则化器/l2 \正则化器/缩放
，但没有任何名称
预测\输出
，这就是我得到错误的原因
KeyError:“名称'prediction_output:0'指的是不存在的张量。图形中不存在“预测输出”操作。“
我如何解决这个问题？我的答案中的图层是
tf.nn.softmax
，它没有像偏差或权重这样的参数。另一方面，您使用的是具有这些参数的
tf.layers.dense
，因此您将以指定给层的名称命名偏差和权重。如果希望在
预测\u输出中输出，可以不命名稠密层，然后将其输出传递给具有该名称的标识函数
prediction=tf.layers.densite（净，8）final_output=tf.identity（prediction，name='prediction'u output'）