Python graph_def如何存储节点输入和输出的形状信息
我从网站下载了inception v3模型(一个冻结图),并将其导入到会话中,然后我发现该图中所有节点的输入和输出形状都已完全已知,但当我冻结自己包含Python graph_def如何存储节点输入和输出的形状信息,python,tensorflow,deep-learning,Python,Tensorflow,Deep Learning,我从网站下载了inception v3模型(一个冻结图),并将其导入到会话中,然后我发现该图中所有节点的输入和输出形状都已完全已知,但当我冻结自己包含tf的图时,示例队列作为输入,批次大小信息似乎丢失并被替换为?,我的问题是,当我尝试冻结图形时,如何修复或更改未知形状 编辑: graph_def中某些节点的节点.attr包含形状信息,但为什么不是所有节点?将graph_def导入内存(使用tf.import_graph_def)后,graph_def中的每个节点都不包含输出张量的形状,图形中每个
tf的图时,示例
队列作为输入,批次大小信息似乎丢失并被替换为?
,我的问题是,当我尝试冻结图形时,如何修复或更改未知形状
编辑:
graph_def中某些节点的
节点.attr
包含形状信息,但为什么不是所有节点?将graph_def
导入内存(使用tf.import_graph_def)后,graph_def
中的每个节点都不包含输出张量的形状,图形中每个张量的形状自动确定图形中的每个节点不包含输出张量的形状,在将图形定义
导入内存(使用tf.import\u graph\u def)后,图形中每个张量的形状自动确定