如何在TensorFlow中的预训练模型中获得maxpool层的输出？

我有一个我训练过的模特。我希望从模型中提取中间maxpool层的输出。 我尝试了以下方法

saver=tf.train.import\u meta\u图（BASE\u DIR+LOG\u DIR+'/model.ckpt.meta'）
saver.restore（sess、tf.train.latest_checkpoint（基本目录+日志目录））
sess.run（“maxpool/maxpool”，feed\u dict=feed\u dict）

此处，

feed\u dict

包含字典中此运行的占位符及其内容

我一直得到以下错误

InvalidArgumentError（回溯见上文）：必须为占位符张量'placeholder_1_1'提供一个值，其中包含dtype float和shape。。。

---

这可能是什么原因？我生成了所有占位符并将它们输入到提要字典中

我遇到了一个类似的问题，令人沮丧。让我绕过它的是为我以后要调用的每个变量和操作填写

name

字段。您还可能需要使用

tf将
maxpool/maxpool
op添加到集合中。将\u添加到\u集合（'name\u表示\u maxpool\u op'，maxpool\u op\u句柄）

。然后，可以使用以下命令恢复ops和命名张量：

#从元图还原。
saver=tf.train.import\u元图（…）
sess=tf.Session（）
saver=还原（sess，…）
graph=sess.graph
#恢复你的运算和张量。
maxpool_op=tf.get_collection（'name_for_maxpool_op'）[0]#返回一个列表，如果需要第一个元素
a_tensor=graph.get_tensor_by_name（'tensor_name:0'）#需要在名称中添加：0

然后，您将使用恢复的张量构建您的

feed\u dict

。此外，正如您在评论中提到的，您需要将op本身传递给sess.run，而不是它的名称：

sess.run（maxpool\u op，feed\u dict=feed\u dict）

您可以从恢复的元图访问您的张量和操作，即使您没有命名它们（例如，为了避免使用新的花哨的张量名称重新训练模型），但这可能有点麻烦。自动为张量命名并不总是最透明的。您可以使用以下命令列出图形中所有变量的名称：

print（[tf.all_variables（）中v的v.name]

---

你可以在那里找到你正在寻找的名称，然后使用

图形还原该张量。如上所述，通过名称获取张量。
我想避免重新训练模型。所以，我做错了几件事。第一件事（这里没有显示）是我为输入重新创建了占位符，而不是从图中提取它们。所以它应该是这样的：
input\u name==graph.get\u tensor\u by\u name（“占位符：0”）
。我做错的第二件事是输入op的名称，而不是op本身，因此它应该是这样的
maxpool\u op=graph.get\u operation\u by\u name（“maxpool/maxpool”）
，然后
sess.run（maxpool\u op.outputs[0]，feed_dict=feed_dict
不知何故，你的答案为我指明了正确的方向，所以10xOh太棒了，我很高兴它有帮助，尽管它看起来需要改进。不想保留是有意义的。我会稍微修改我的答案以反映这一点。我知道所有的张量都在那里，用它们的默认名称很难找到它们.