如何获取TensorFlow冻结模型的输入输出节点名称以适配LabVIEW DL模块

方法1：通过模型框架自带工具查看（以TensorFlow/PyTorch为例） #

• TensorFlow模型：
  若为SavedModel格式，执行以下代码打印节点名称：

  import tensorflow as tf
  
  # 加载目标模型
  model = tf.saved_model.load("你的模型文件路径")
  # 获取默认服务签名
  signature = model.signatures["serving_default"]
  # 输出输入节点名称
  print("输入节点名称：", list(signature.inputs.keys()))
  # 输出输出节点名称
  print("输出节点名称：", list(signature.outputs.keys()))
  

  若为Keras原生模型，可先转存为SavedModel再执行上述操作，或直接查看模型结构：

  from tensorflow import keras
  
  model = keras.models.load_model("你的模型文件路径")
  # 提取输入层名称（去除张量索引后缀）
  print("输入节点名称：", [input.name.split(":")[0] for input in model.inputs])
  # 提取输出层名称（去除张量索引后缀）
  print("输出节点名称：", [output.name.split(":")[0] for output in model.outputs])
  

• PyTorch模型：
  先将模型转为ONNX格式，再解析节点信息：

  import torch
  import onnx
  
  # 加载PyTorch模型并设置为评估模式
  model = torch.load("你的模型文件路径")
  model.eval()
  # 创建匹配模型输入维度的示例张量（需根据实际模型调整）
  dummy_input = torch.randn(1, 3, 224, 224)
  # 导出为ONNX格式，开启verbose参数查看节点详情
  torch.onnx.export(model, dummy_input, "converted_model.onnx", verbose=True)
  # 加载ONNX模型并提取节点名称
  onnx_model = onnx.load("converted_model.onnx")
  print("输入节点名称：", [input.name for input in onnx_model.graph.input])
  print("输出节点名称：", [output.name for output in onnx_model.graph.output])
  

方法2：利用LabVIEW DL模块内置工具查看 #

• 打开LabVIEW，在深度学习工具包中找到模型检查器（Model Inspector），导入你的模型文件（支持SavedModel、ONNX等主流格式），工具会直接展示所有输入、输出节点的名称及维度信息。
• 若未找到模型检查器，可通过**导入模型向导（Import Model Wizard）**逐步操作，向导流程中会明确显示模型的输入输出节点详情，可在此记录所需名称。

方法3：查看模型导出时的日志/配置文件 #

• 若模型为你自行导出，检查导出过程中的控制台日志，TensorFlow、PyTorch等框架在导出SavedModel/ONNX格式时，通常会在日志中打印输入输出节点的名称信息。
• 部分导出脚本会生成配套的配置文件，其中也可能包含节点名称的定义。

内容的提问来源于stack exchange，提问作者Pavan sai kumar reddy