Python 在tensorflow中构建主图时使用子图
我有一个在Keras中预先训练过的模型,我希望将其转换为Tensorflow。在这个预先训练过的Keras网络中,一些层实际上被定义为一个子模型,该子模型在一些情况下从主模型中获取其他层作为输入(每个情况下获得不同的层作为输入),并通过相同的内部层动作序列生成输出 是否有可能在Tensorflow中创建这样的子图,从主图中获取一个张量,并返回一个与Keras使用子模型的原理相同的输出 我尝试实现的子图是从Python 在tensorflow中构建主图时使用子图,python,tensorflow,keras,Python,Tensorflow,Keras,我有一个在Keras中预先训练过的模型,我希望将其转换为Tensorflow。在这个预先训练过的Keras网络中,一些层实际上被定义为一个子模型,该子模型在一些情况下从主模型中获取其他层作为输入(每个情况下获得不同的层作为输入),并通过相同的内部层动作序列生成输出 是否有可能在Tensorflow中创建这样的子图,从主图中获取一个张量,并返回一个与Keras使用子模型的原理相同的输出 我尝试实现的子图是从tf.placeholder构建的,它是根据预期的形状和作为输入张量的数据类型定义的第一层
tf.placeholder
构建的,它是根据预期的形状和作为输入张量的数据类型定义的第一层
失败的尝试之一是尝试在主图和子图之间连接,如下所示:
main_graph_out, = tf.import_graph_def(main_graph,
return_elements=[layer_name_as_input_to_sub_graph]])
sub_graph_out, = tf.import_graph_def(submodel_graph, input_map={first_sub_graph_layer_name: main_graph_out},
return_elements=[last_sub_graph_layer_name])
但由于以下原因,该计划失败:
ValueError:在图形def中找不到请求的返回张量“P3”
(P3是我希望输入子图的主图形层的名称)
非常感谢您的帮助。。。
非常感谢