Python KeyError:“；名称'；损失：0'；指不存在的张量。行动,；损失'；，不存在于图表中。”；

KeyError:“名称'loss:0'引用的张量不存在。图形中不存在操作'loss'

嘿，伙计们，我在使用tensorflow模型时遇到了一个问题。在terminal中编译时，代码运行良好，但当我尝试将其设置为python API时，它显示了上述错误

output_layer = 'loss:0'
input_node = 'Placeholder:0'

# Crop the center for the specified network_input_Size
augmented_image = crop_center(augmented_image, network_input_size, network_input_size)


with tf.Session() as sess:
    prob_tensor = sess.graph.get_tensor_by_name(output_layer)
    predictions = sess.run(prob_tensor, {input_node: [augmented_image] })

上面的代码表示出现错误

---

prob\u tensor=sess.graph.get\u tensor\u by\u name（输出层）

不确定是否与您的案例相关，但我在尝试从Azure自定义vision服务运行示例时遇到了相同的错误消息

---

问题是因为我在导入图形时给了它一个名称，但应该将它作为空字符串保留在这里：

tf.import\u graph\u def（graph\u def，name=''）

使用从Azure custom vision service导出的模型时，我遇到了相同的问题。在我的例子中，将输出张量的名称从“loss”改为“model_outputs”有效：

output_layer = 'model_outputs:0'

---

导出自定义Vision模型时，我遇到了相同的问题。当我使用模型_输出时：0它运行。然而，预测数组没有意义。当我在自定义Vision中测试模型时，我得到了4个对象

---

但是predicition数组的形状是13X13X40

您是否碰巧解决了这个问题？运行此示例时遇到相同问题：Bgr_image是未定义的参数。将其替换为增强的_图像，因为这是我们对输入图像所做的最后一次修改。它现在适合我了。