在张量流中检索未命名变量

我已经训练了一个模型并将其保存在检查点中，但刚刚意识到我忘记命名恢复模型时要检查的变量之一。

我知道如何从张量流中检索命名变量，（g = tf.get_default_graph()进而g.get_tensor_by_name([name])）。在这种情况下，我知道它的范围，但它是未命名的。我尝试过查看tf.GraphKeys.GLOBAL_VARIABLES，但由于某种原因它没有出现在那里。

以下是它在模型中的定义方式：

with tf.name_scope("contrastive_loss") as scope:
    l2_dist = tf.cast(tf.sqrt(1e-4 + tf.reduce_sum(tf.subtract(pred_left, pred_right), 1)), tf.float32) # the variable I want

    # I use it here when calculating another named tensor, if that helps.
    con_loss = contrastive_loss(l2_dist) 
    loss = tf.reduce_sum(con_loss, name="loss")

有没有办法找到没有名称的变量？

首先，跟进我的第一条评论，这是有道理的tf.get_collection https://www.tensorflow.org/api_docs/python/tf/get_collection给定的名称范围不起作用。从文档 https://www.tensorflow.org/api_docs/python/tf/get_collection，如果您提供范围，则仅返回具有指定名称的变量或操作。所以就这样了。

您可以尝试的一件事是列出您的每个节点的名称Graph https://www.tensorflow.org/api_docs/python/tf/Graph#as_graph_def with:

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

或者可能，当从检查点恢复时：

saver = tf.train.import_meta_graph(/path/to/meta/graph)
sess = tf.Session()
saver.restore(sess, /path/to/checkpoints)
graph = sess.graph
print([node.name for node in graph.as_graph_def().node])

另一种选择是使用张量板或 Jupyter Notebook 来显示图形show_graph https://gist.github.com/yaroslavvb/97504b8221a8529e7a51a50915206d68命令。可能有一个内置的show_graph现在，但该链接指向一个已定义的 git 存储库。然后，您必须在图表中搜索您的操作，然后可能使用以下命令检索它：

my_op = tf.get_collection('full_operation_name')[0]

如果您想在将来将其设置为可以通过名称检索它，则需要使用将其添加到集合中tf.add_to_collection https://www.tensorflow.org/versions/r0.12/api_docs/python/framework/graph_collections:

my_op = tf.some_operation(stuff, name='my_op')
tf.add_to_collection('my_op_name', my_op)

然后通过恢复图表来检索它，然后使用：

my_restored_op = tf.get_collection('my_op_name')[0]

您也可以通过仅命名它然后在中指定其范围来获得tf.get_collection相反，但我不确定。可以找到更多信息和有用的教程here https://www.tensorflow.org/programmers_guide/meta_graph.