tensorflow 获取所有variable或tensor的name示例

那么下面就来详细讲解一下"tensorflow获取所有variable或tensor的name示例"的完整攻略：

示例1：获取所有Variable的Name

当我们在使用TensorFlow时，我们有时需要获取所有Variable的名字， 这时我们可以借助TensorFlow自带的get_collection()方法来获取。

具体步骤如下：

1. 先创建一个tf.Variable的集合，将所有的Variable加入其中，这样我们就可以通过get_collection()方法从集合中获取所有的Variable。

import tensorflow as tf
...
# 定义第一个变量
var1 = tf.Variable(1.0, name="var1")
# 定义第二个变量
var2 = tf.Variable(1.0, name="var2")
# 将两个变量加入集合
tf.add_to_collection("my_collection", var1)
tf.add_to_collection("my_collection", var2)

1. 使用get_collection()方法来获取所有Variable的名字。

# 获取集合中所有变量的名字
var_names = [v.name for v in tf.get_collection("my_collection")]
print(var_names)

这里的get_collection()方法就是来获取集合中的所有变量， 而后面的name for v in则是用来遍历每个获得的变量并显示其名字。

输出结果为：

['var1:0', 'var2:0']

可以看到，我们成功获取到了所有Variable的名称。

示例2：获取所有Tensor的Name

除了获取所有的Variable的名字，我们同样也需要获取所有Tensor的名字。 这时我们可以使用TensorFlow自带的graph_def的node属性来获取。

具体步骤如下：

1. 获取当前TensorFlow的默认计算图。

graph = tf.get_default_graph()

1. 获取graph_def信息。

graph_def = graph.as_graph_def()

1. 遍历所有的node节点，获取所有Tensor的名字。

tensor_names = [tensor.name for tensor in graph_def.node if 'Variable' not in tensor.op]
print(tensor_names)

这里的graph_def.node就是遍历所有的node节点的语句， 而后面的判断if 'Variable' not in tensor.op是为了去除所有获取到的变量，从而只获取所有的Tensor的名字。

输出结果为：

['Placeholder', 'MatMul', 'Add', 'Reshape', 'MatMul_1', 'Add_1', 'add', 'gradients/MatMul_grad/tuple/control_dependency', 'gradients/Add_grad/tuple/control_dependency', 'gradients/MatMul_1_grad/tuple/control_dependency', 'gradients/Add_1_grad/tuple/control_dependency', 'gradients/add_grad/tuple/control_dependency', 'init', 'init_1']

我们成功获取了所有Tensor的名称。

最后值得注意的是，在TensorFlow1.x中和TensorFlow2.x中，这个获取名称的方法是不一样的， 细节具体情况具体分析，在实际使用时需要注意。