如何将tensorflow.TensorProto转换为自定义xxx.TensorProto？

核心问题在于：你的自定义xxx.TensorProto和tensorflow.TensorProto虽然结构完全一致，但属于不同的Python类（由不同的.proto文件生成），因此直接赋值或调用CopyFrom都会因类型不匹配失败。

高效解决方案：借助Protobuf序列化/反序列化 #

既然两个Proto的字段定义完全匹配，你可以通过字节流转换实现批量赋值，无需手动逐个设置字段：

import numpy as np
import tensorflow as tf
import xxx  # 导入你的自定义proto模块

val = np.array([0.1, 0.2, 0.3])
# 生成TensorFlow版本的TensorProto
tf_tp = tf.make_tensor_proto(val)
# 将TensorFlow的TensorProto序列化为字节，再反序列化为自定义的xxx.TensorProto
custom_tp = xxx.TensorProto.FromString(tf_tp.SerializeToString())

# 赋值给自定义Tensor对象
xxxtp = xxx.Tensor()
xxxtp.tensor_proto.CopyFrom(custom_tp)

方法原理 #

Protobuf的序列化机制是基于消息结构定义的，只要两个消息的字段编号、类型、嵌套结构完全一致，序列化后的字节流就可以跨类反序列化。这种方法比手动逐个赋值更高效，还能避免遗漏字段的问题。

注意事项 #

• 不能直接用xxxtp.tensor_proto = custom_tp赋值，因为Protocol Buffers的嵌套消息字段默认不允许直接赋值，必须用CopyFrom方法覆盖已有消息对象。
• 必须确保自定义.proto中TensorProto的定义，和TensorFlow官方的tensorflow/core/framework/tensor.proto里的TensorProto完全一致（包括字段编号、类型、嵌套消息），否则反序列化会失败。

内容的提问来源于stack exchange，提问作者Estiu