根据tensor的名字获取变量的值方式

获取TensorFlow模型中的变量值可以采用以下方式：

1. 获取当前所有变量名

可以使用tf.trainable_variables()获取当前所有可训练的变量名列表。示例代码如下：

import tensorflow as tf

# 假设我们已经定义了一个包含变量的tensorflow模型
model = ...

# 获取当前所有可训练的变量名
var_names = [var.name for var in tf.trainable_variables()]

# 打印变量名列表和其对应值
with tf.Session() as sess:
    for var_name in var_names:
        var_value = sess.run(tf.get_default_graph().get_tensor_by_name(var_name+":0"))
        print(f"{var_name}: {var_value}")

其中的sess.run()函数返回一个标量值或数组，对于一个变量的值的张量来说，需要使用tf.get_default_graph().get_tensor_by_name()函数获取。

2. 获取指定变量名对应的值

可以使用tf.get_default_graph().get_tensor_by_name()函数获取指定变量名对应的值，示例代码如下：

import tensorflow as tf

# 假设我们已经定义了一个包含变量的tensorflow模型
model = ...

# 获取指定变量名对应的值
with tf.Session() as sess:
    var_value = sess.run(tf.get_default_graph().get_tensor_by_name("variable_name:0"))
    print(f"Variable Value: {var_value}")

其中"variable_name"是要获取的变量名。注意，此处的变量名要以:结尾，代表其张量的索引。另外，一个tensorflow变量通常由多个张量数据构成，其中0索引代表其值的张量，其他的索引代表该变量的其他属性，比如该变量的偏置量。

通过以上方式，用户可以获取tensorflow模型中的变量值，用于进一步的调试和开发。