如何在Tensorflow的全局命名空间中存储和检索张量？

我正在读一个大的Tensorflow项目。对于计算图的节点分散在项目周围的项目，我想知道是否有方法存储计算图的张量节点并将该节点添加到sess.run中的fetch列表中

例如，如果我想在的第615行添加probs 对于全局名称空间，是否有类似tf.add_node（probs，“probs”）的方法，稍后我可以获得tf.get_node（“probs”），只是为了方便地在项目中传递节点

---

一个更普遍的问题是，构造tensorflow代码和提高使用不同模型进行实验的效率的更好方法是什么

当然可以。要在以后检索它，您必须给它一个名称，以便可以按名称检索它。以代码中的

probs

为例。它是使用

tf.nn.softmax（）

函数创建的，其API如下所示

tf.nn.softmax(
    logits,
    axis=None,
    name=None,
    dim=None
)

请参见参数

名称

？您可以将此参数添加到第615行，如下所示：

 probs = tf.nn.softmax(all_logits, name='my_tensor')

稍后当您需要它时，您可以调用

tf.Graph.get\u tensor\u by\u name（name）

来检索这个张量

graph = tf.get_default_graph()
retrieved_probs = graph.get_tensor_by_name('my_tensor:0')

“my_tensor”

是softmax操作的名称，应将“：0”添加到该操作的末尾，这意味着您正在检索该张量，而不是该操作。调用

Graph.get\u operation\u by\u name（）

时，不应添加“：0”

---

您必须确保张量存在（它可能是在此行之前执行的代码中创建的，也可能是从元图文件中恢复的）。如果它是在变量作用域中创建的，则还必须在

name

param前面添加作用域名称和“/”。例如，

'my\u scope/my\u tensor:0'

谢谢您的回答。我发现我应该使用图形。在这种情况下，通过名称（“我的张量”）获取操作。你是对的，但我发现我需要进行图形。通过名称（“我的张量：0”）获取张量。哦，是的，我的错误。