TensorFlow获取加载模型中的全部张量名称代码

获取加载模型中的全部张量名称是TensorFlow常见的操作之一，下面是我为你整理的一份详细攻略：

1. 直接使用tf.GraphKeys

TensorFlow提供了tf.GraphKeys集合来组织模型中的各种张量名称，使用tf.get_collection()函数即可获取集合中的所有张量名称。代码如下：

import tensorflow as tf

# 加载模型
saver = tf.train.import_meta_graph('model.meta')
with tf.Session() as sess:
    saver.restore(sess, 'model')

# 获取全部张量名称
graph = tf.get_default_graph()
all_tensor_names = [tensor.name for tensor in 
                    tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)]
print(all_tensor_names)

该代码中，首先使用tf.train.import_meta_graph()函数加载模型的meta图，并使用tf.Session()启动会话。然后获取默认计算图graph，并调用tf.get_collection()函数传入tf.GraphKeys.TRAINABLE_VARIABLES作为参数，即可获取所有可训练变量的张量名称。

2. 使用正则表达式

如果只想获取部分张量名称，可以使用正则表达式对张量名称进行过滤。例如，下面的代码只获取名称以"conv"和"fc"开头的张量名称：

import re
import tensorflow as tf

# 加载模型
saver = tf.train.import_meta_graph('model.meta')
with tf.Session() as sess:
    saver.restore(sess, 'model')

# 获取名称以"conv"和"fc"开头的张量名称
graph = tf.get_default_graph()
all_tensor_names = [tensor.name for tensor in graph.as_graph_def().node 
                    if re.match('(fc|conv)', tensor.name)]
print(all_tensor_names)

该代码中，首先使用tf.train.import_meta_graph()函数加载模型的meta图，并使用tf.Session()启动会话。然后获取默认计算图graph，并使用graph.as_graph_def().node属性获取模型中所有节点信息，遍历节点列表，使用re.match()函数对节点名称进行正则匹配，从而获取名称以"conv"和"fc"开头的张量名称。

以上是两个获取加载模型中全部张量名称的实现方式，通过对tf.GraphKeys和正则表达式的应用，可以灵活地获取模型中的部分或全部张量名称。