TF-Slim版MobileNet自定义重训练后图冻结：输入输出节点名求助

嘿，我太懂你这种卡在冻结计算图的憋屈了——TF-Slim版本的MobileNet因为封装性强，节点命名确实容易让人摸不着头脑，尤其是自定义数据集重训练之后。别慌，我给你几个亲测有效的方法，帮你精准找到输入输出节点名：

这是最省心的方式，直接把计算图可视化出来找：
先运行这段代码导出日志：

import tensorflow as tf

# 加载你的重训练模型
sess = tf.Session()
saver = tf.train.import_meta_graph('你的模型路径/model.ckpt.meta')
saver.restore(sess, tf.train.latest_checkpoint('你的模型路径/'))

# 导出日志到指定目录
writer = tf.summary.FileWriter('./mobilenet_logs', sess.graph)
writer.close()

然后在终端跑：

tensorboard --logdir=./mobilenet_logs

打开浏览器里的TensorBoard地址，切换到Graphs标签页：

• 输入节点：找带Placeholder或input关键词的节点，TF-Slim的MobileNet默认输入节点名通常是Placeholder，或者带模型前缀的MobilenetV1/Placeholder
• 输出节点：看分类输出的末端，官方默认的是MobilenetV1/Predictions/Reshape_1（对应分类概率的输出）；如果你自定义了分类层，可能会是final_ops/Softmax这类名字

不想开TensorBoard的话，直接在加载模型后打印所有节点，过滤关键词就行：

import tensorflow as tf

sess = tf.Session()
saver = tf.train.import_meta_graph('你的模型路径/model.ckpt.meta')
saver.restore(sess, tf.train.latest_checkpoint('你的模型路径/'))

# 遍历所有节点，筛选输入输出候选
print("=== 候选输入节点 ===")
for node in sess.graph_def.node:
    if 'Placeholder' in node.name or 'input' in node.name.lower():
        print(f"- {node.name}")

print("\n=== 候选输出节点 ===")
for node in sess.graph_def.node:
    if 'Predictions' in node.name or 'Softmax' in node.name or 'logits' in node.name:
        print(f"- {node.name}")

这里要注意：TF-Slim的MobileNetV1重训练后，90%的概率输出节点是MobilenetV1/Predictions/Reshape_1，输入是Placeholder，你可以优先试这组。

找到候选节点后，一定要验证能不能正常运行，不然冻结完用不了就白忙活了：

# 替换成你找到的节点名，注意要加`:0`（代表张量的第一个输出）
input_tensor = sess.graph.get_tensor_by_name('Placeholder:0')
output_tensor = sess.graph.get_tensor_by_name('MobilenetV1/Predictions/Reshape_1:0')

# 用随机生成的测试数据喂进去，看输出是否符合预期
import numpy as np
# 对应MobileNet默认输入尺寸224x224x3，如果改了尺寸就换成你的
test_img = np.random.rand(1, 224, 224, 3)
pred_result = sess.run(output_tensor, feed_dict={input_tensor: test_img})

# 输出形状应该是(1, 你的数据集类别数)，符合就说明节点找对了
print(f"输出形状：{pred_result.shape}")

确认节点名后，用TF1.x的freeze_graph.py工具冻结（如果是TF2.x可以用兼容模式）：

python freeze_graph.py \
  --input_graph=./你的模型目录/graph.pbtxt \
  --input_checkpoint=./你的模型目录/model.ckpt-xxxx  # xxxx是你的训练步数
  --output_graph=./frozen_mobilenet.pb \
  --output_node_names="MobilenetV1/Predictions/Reshape_1"  # 填你找到的输出节点名，多个用逗号分隔

最后提个小提醒：如果你重训练时改了输入尺寸或者自定义了分类层，节点名可能会有变化——比如你手动给tf.placeholder命名为custom_input，那输入节点就是这个名字。如果还是找不到，回去看看你的重训练脚本，有没有在构建模型时指定过节点名称。

内容的提问来源于stack exchange，提问作者Zoran Cupic