替换TensorFlow冻结推理图后报image_tensor:0不存在错误如何解决

该判断完全准确。报错的核心原因是队友使用的Faster-RCNN预训练模型导出时指定了输入节点名为image_tensor，而你通过Keras训练导出的模型输入节点采用的是Keras默认生成的命名（通常为input_1这类格式），二者节点名不匹配，导致推理代码在feed_dict传入数据时找不到对应张量。

不需要重新训练模型，有两种可行的适配方案：

方案1：修改推理代码适配现有模型（操作最简单） #

• 首先查询你导出的冻结图的输入输出节点名，运行以下代码即可打印所有节点名称：

import tensorflow as tf
from tensorflow.python.platform import gfile

with tf.Session() as sess:
    with gfile.FastGFile('你的冻结推理图文件路径.pb', 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        sess.graph.as_default()
        tf.import_graph_def(graph_def, name='')
        # 遍历打印所有节点名
        for op in sess.graph.get_operations():
            print(op.name)

• 找到对应的输入节点名（一般为列表中靠前的input_*格式名称），将队友推理代码中feed_dict的key从'image_tensor:0'替换为你查到的输入节点名加:0后缀即可。额外需要注意的是，你训练的模型是28*28灰度输入，需要同步修改推理代码的预处理逻辑，将输入图片调整到对应尺寸、转灰度、按训练时的规则做归一化，避免推理结果异常。

方案2：修改冻结图节点名，完全适配原有推理代码 #

如果不希望改动原有推理逻辑，可以直接对现有冻结图的输入节点重命名，生成适配原有代码的新pb文件：

import tensorflow as tf
from tensorflow.python.framework import graph_util

with tf.Session() as sess:
    with tf.gfile.GFile('你的原冻结推理图路径.pb', 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        # 导入时将原输入节点映射为命名为image_tensor的新占位符
        output_node = tf.import_graph_def(
            graph_def,
            input_map={"你查到的原输入节点名:0": tf.placeholder(tf.float32, shape=[None,28,28,1], name='image_tensor')},
            return_elements=["你查到的原输出节点名:0"],
            name=''
        )
        # 导出新的冻结推理图
        new_graph_def = graph_util.convert_variables_to_constants(
            sess,
            sess.graph_def,
            ["你查到的原输出节点名"]
        )
        with tf.gfile.GFile('适配后frozen_inference_graph.pb', 'wb') as f:
            f.write(new_graph_def.SerializeToString())

使用生成的新pb文件直接替换原有文件即可，无需修改任何推理代码逻辑。

内容的提问来源于stack exchange，提问作者Evan