如何获取TensorFlow计算图各节点输入形状？附模型转换shape属性问题

我来帮你搞定这两个TensorFlow相关的问题：

获取节点输入形状分两种场景，静态推断和运行时获取，具体方法如下：

• 静态形状推断（无需启动会话）：如果计算图里的张量形状在构建时就已经确定，你可以直接遍历图节点，获取输入张量的shape属性。注意输入名称可能需要补上:0的张量索引：

import tensorflow as tf

# 加载计算图
graph = tf.get_default_graph()
# 遍历所有节点
for node in graph.as_graph_def().node:
    for input_name in node.input:
        # 处理不带张量索引的输入名称
        if ":" not in input_name:
            input_name += ":0"
        try:
            input_tensor = graph.get_tensor_by_name(input_name)
            print(f"节点 {node.name} 的输入 {input_name} 形状: {input_tensor.shape}")
        except KeyError:
            print(f"找不到输入张量 {input_name}")

这种方法的局限是，如果是动态形状（比如batch_size设为None），静态shape会显示None。

• 运行时获取实际形状：如果是动态形状，必须启动会话运行张量才能拿到实际的形状值：

with tf.Session() as sess:
    new_saver = tf.train.import_meta_graph(meta_path)
    new_saver.restore(sess, ckpt_path)
    # 替换成你的输入张量名称
    input_tensor = graph.get_tensor_by_name("your_input_tensor_name:0")
    # 运行tf.shape获取实际形状
    input_shape = sess.run(tf.shape(input_tensor))
    print(f"输入张量的实际形状: {input_shape}")

你遇到的问题很常见：静态加载meta图时，Conv2D输入节点的shape为空，但TensorBoard能看到形状。这是因为TensorBoard显示的是运行时推断出来的形状，而静态图定义里可能没有固化这些动态形状的信息。

给你几个靠谱的解决办法：

• 方法一：运行会话推断形状（最推荐）
  既然TensorBoard能拿到形状，本质也是通过运行时推断，那我们直接在代码里复刻这个逻辑：

import tensorflow as tf

meta_path = "你的模型meta文件路径"
ckpt_path = "你的checkpoint文件路径"

with tf.Session() as sess:
    new_saver = tf.train.import_meta_graph(meta_path)
    new_saver.restore(sess, ckpt_path)
    graph = tf.get_default_graph()
    
    # 找到目标Conv2D节点
    conv_node = next((node for node in graph.as_graph_def().node if node.op == "Conv2D"), None)
    
    if conv_node:
        # Conv2D的第一个输入通常是特征图输入，第二个是权重
        input_name = conv_node.input[0]
        if ":" not in input_name:
            input_name += ":0"
        input_tensor = graph.get_tensor_by_name(input_name)
        # 运行获取实际形状
        input_shape = sess.run(tf.shape(input_tensor))
        print(f"Conv2D节点 {conv_node.name} 的输入形状: {input_shape}")
        # 也可以查看静态形状的部分信息
        print(f"静态形状约束: {input_tensor.shape}")

• 方法二：手动设置输入形状约束
  如果你的输入是固定形状的，可以在加载图后手动给输入张量设置形状，这样后续就能直接读取静态形状：

input_tensor = graph.get_tensor_by_name("你的输入张量名称:0")
# 替换成你的实际输入形状，比如[None, 224, 224, 3]
input_tensor.set_shape([None, 224, 224, 3])
print(f"设置后的静态形状: {input_tensor.shape}")

• 方法三：从TensorBoard提取形状（适合小模型）
  直接在TensorBoard的Graph页面找到对应的Conv2D输入节点，记下显示的形状，手动填入转换代码中。这种方法比较繁琐，但适合快速验证。

内容的提问来源于stack exchange，提问作者Landwash