Dans Tensorflow, obtenir les noms de tous les tenseurs dans un graphique

Question

Je crée des réseaux neuronaux avec Tensorflow y skflow ; pour une raison quelconque, je veux obtenir les valeurs de certains tenseurs internes pour une entrée donnée, et j'utilise donc myClassifier.get_layer_value(input, "tensorName") , myClassifier être un skflow.estimators.TensorFlowEstimator .

Cependant, je trouve difficile de trouver la syntaxe correcte du nom du tenseur, même en connaissant son nom (et je m'embrouille entre opération et tenseurs), donc j'utilise tensorboard pour tracer le graphique et chercher le nom.

Existe-t-il un moyen d'énumérer tous les tenseurs dans un graphe sans utiliser tensorboard ?

Answer 1

Vous pouvez faire

[n.name for n in tf.get_default_graph().as_graph_def().node]

De plus, si vous effectuez un prototypage dans un notebook IPython, vous pouvez afficher le graphique directement dans le notebook, cf. show_graph fonction dans le rêve profond d'Alexander ordinateur portable

Answer 2

Il y a un moyen de le faire un peu plus rapidement que dans la réponse de Yaroslav en utilisant get_operations . Voici un exemple rapide :

import tensorflow as tf

a = tf.constant(1.3, name='const_a')
b = tf.Variable(3.1, name='variable_b')
c = tf.add(a, b, name='addition')
d = tf.multiply(c, a, name='multiply')

for op in tf.get_default_graph().get_operations():
    print(str(op.name))

Answer 3

tf.all_variables() peut vous donner les informations que vous voulez.

Aussi, cet engagement fait aujourd'hui dans TensorFlow Learn qui fournit une fonction get_variable_names dans l'estimateur que vous pouvez utiliser pour retrouver facilement tous les noms de variables.

Answer 4

Je pense que ça fera l'affaire aussi :

print(tf.contrib.graph_editor.get_tensors(tf.get_default_graph()))

Mais par rapport aux réponses de Salvado et de Yaroslav, je ne sais pas laquelle est la meilleure.

Answer 5

La réponse acceptée vous donne seulement une liste de chaînes de caractères avec les noms. Je préfère une approche différente, qui vous donne un accès (presque) direct aux tenseurs :

graph = tf.get_default_graph()
list_of_tuples = [op.values() for op in graph.get_operations()]

list_of_tuples contient maintenant tous les tenseurs, chacun dans un tuple. Vous pouvez également l'adapter pour obtenir les tenseurs directement :

graph = tf.get_default_graph()
list_of_tuples = [op.values()[0] for op in graph.get_operations()]