Tensorflow 张量流：简单的网络手术（去除第一层）

假设您有一个经过训练的网络，它由五个层组成，表示为L1->L2->L3->L4->L5。 这里，L1是输入层，由tf.placeholder组成

如何将中间层（如L3）的输出固定到用户指定的值，并运行前向传递以查看L5的输出值？换句话说，在这个场景中，我们希望将L3作为起始输入层，而完全忽略L1和L2

最后，假设不需要向后传球：也就是说，我们只想评估模型，而不想进一步训练模型

---

谢谢

我们需要将L1和L2作为标识操作，并将输入直接传递给L3

我们需要使用检查点加载模型

 graph = tf.Graph()
 with graph.as_default():
    saver = tf.train.import_meta_graph(checkpoint_path + '.meta')
    session = tf.Session(graph=graph)
    saver.restore(session, checkpoint_path)

假设L1和L2中的操作名称为“L1”和“L2”。我们需要获取节点并将op更改为L1和L2的标识，对于L3，更改输入

      graph_def = graph.as_graph_def()
      for node in graph_def.node:
          if node.name == "L3":
          # Change its input from the output of L2 to the original input tensor op name.
              node.input[1] = "input"
          if node.name == "L1" or node.name == "L2":
              # For L1 and L2, change its op to Identity
              node.op = "Identity"

有关详细说明，请参阅

---

我们需要将L1和L2作为标识操作，并将输入直接传递给L3

我们需要使用检查点加载模型

 graph = tf.Graph()
 with graph.as_default():
    saver = tf.train.import_meta_graph(checkpoint_path + '.meta')
    session = tf.Session(graph=graph)
    saver.restore(session, checkpoint_path)

假设L1和L2中的操作名称为“L1”和“L2”。我们需要获取节点并将op更改为L1和L2的标识，对于L3，更改输入

      graph_def = graph.as_graph_def()
      for node in graph_def.node:
          if node.name == "L3":
          # Change its input from the output of L2 to the original input tensor op name.
              node.input[1] = "input"
          if node.name == "L1" or node.name == "L2":
              # For L1 and L2, change its op to Identity
              node.op = "Identity"

有关详细说明，请参阅

---

您可以使用

feed\u dict

将值直接馈送到L3。您还可以使用

contrib.graph\u editor

重新布线，下面是一个示例——将L1和L2作为标识，并将值从用户传递到L1。您可以使用

feed\u dict

将值直接传递到L3。您还可以使用

contrib.graph\u editor

重新布线，下面是一个示例——将L1和L2作为标识，并将值从用户传递给L1