TensorFlow冻结图为字节文件用于Unity时遇类型错误求助

这个错误其实很好定位——问题出在你传入names_to_saveables的对象里混进了张量(Tensor)，但这个参数要求的必须是**变量(Variable)**或者符合可保存格式的对象。你提到的BoxPredictor_0/BoxEncodingPredictor/biases:0就是一个张量，不是变量，所以才触发了这个报错。

下面给你几个针对性的解决方案：

• 确认要保存的是变量而非张量
  先检查模型中的可训练变量列表，看看目标偏置是否是变量类型：

  # 列出所有可训练变量
  trainable_vars = tf.trainable_variables()
  for var in trainable_vars:
      print(var.name)
  

  如果列表里存在BoxPredictor_0/BoxEncodingPredictor/biases:0（或者去掉:0的名称），直接用这个变量对象构建names_to_saveables字典，而不是通过get_tensor_by_name去获取张量：

  names_to_saveables = {var.name.split(':')[0]: var for var in trainable_vars}
  

• 将张量转换为变量（如果确实需要保存这个张量）
  如果这个偏置是通过运算或者常量生成的张量，你可以把它包装成变量：

  # 获取目标张量
  bias_tensor = tf.get_default_graph().get_tensor_by_name('BoxPredictor_0/BoxEncodingPredictor/biases:0')
  # 转换为变量
  bias_var = tf.Variable(bias_tensor, name='BoxEncodingPredictor_biases')
  
  # 在会话中初始化这个变量
  with tf.Session() as sess:
      sess.run(bias_var.initializer)
      # 把这个变量加入到保存字典中
      names_to_saveables = {'BoxEncodingPredictor_biases': bias_var}
      # 后续执行冻结/保存操作
  

• 推荐使用官方冻结工具（更适合Unity场景）
  如果你是为了在Unity中使用模型，更简单的方式是用TensorFlow官方的freeze_graph.py工具，它会自动把变量转换为常量张量，不需要手动处理names_to_saveables：

  1. 先保存模型的checkpoint和图结构：

     with tf.Session() as sess:
         # 假设已经完成模型初始化/训练
         saver = tf.train.Saver()
         saver.save(sess, './my_model.ckpt')
         tf.train.write_graph(sess.graph_def, './', 'my_model.pbtxt')
     

  2. 运行冻结脚本（可从TensorFlow源码中获取该脚本）：

     python freeze_graph.py \
       --input_graph=./my_model.pbtxt \
       --input_checkpoint=./my_model.ckpt \
       --output_graph=./frozen_model.pb \
       --output_node_names="你的输出节点名称"
     

  生成的frozen_model.pb就可以直接导入Unity的TensorFlow插件中使用了。

内容的提问来源于stack exchange，提问作者matthew hallberg