已定义y_pred仍报错：‘y_pred:0’张量不存在，图中无‘y_pred’操作

首先看你给出的代码片段，第一眼就发现一个小笔误——train_prediction = tf.nn.softmax(logits,name"y_pred")这里的name"y_pred"少了个等号，应该写成name="y_pred"，这个错误会导致TensorFlow不会把这个softmax操作命名为y_pred，这很可能是问题的根源！

除了这个笔误，还有几个常见原因会导致这类报错，我给你逐一梳理解决办法：

• 确保操作定义和访问在同一个计算图上下文：你是在with graph.as_default():块里定义的y_pred，那所有需要用到这个张量的代码（比如获取它、在训练中调用它）都必须放在同一个with graph.as_default():块内，或者后续再次进入这个上下文。如果在上下文外面去获取y_pred:0，TensorFlow会去默认图里找，自然找不到你在自定义graph里定义的操作。

• 优先直接使用定义好的变量，而非通过名称查找：你已经把这个softmax张量赋值给了train_prediction，后续直接用这个变量就行，没必要再用tf.get_tensor_by_name("y_pred:0")来获取，这样能避开命名空间和上下文的坑。

• 检查变量作用域的影响：如果你的模型是在tf.variable_scope下定义的，那y_pred的完整名称会带上作用域前缀（比如my_scope/y_pred:0），这时候直接用y_pred:0就找不到，得用完整的名称。

• 验证计算图中是否真的存在这个操作：可以在定义完train_prediction后，在graph的上下文里加一行代码，打印所有操作的名称，确认y_pred是否在里面：

  print("计算图中的操作：", [op.name for op in graph.get_operations()])
  

给你贴一段修正后的代码示例，你可以参考：

with graph.as_default(): 
    # 输入数据定义
    tf_train_dataset = tf.placeholder(tf.float32, shape=(batch_size, image_size, image_size, num_channels), name='x_train') 
    tf_train_labels = tf.placeholder(tf.float32, shape=(batch_size, num_labels), name="y_train") 
    tf_valid_dataset = tf.constant(valid_dataset) 
    tf_test_dataset = tf.constant(test_dataset) 
    
    # 这里是你的模型层，生成logits
    # ... 省略中间层代码 ...
    
    # 修正name参数的拼写错误
    train_prediction = tf.nn.softmax(logits, name="y_pred") 
    
    # 验证操作是否存在
    print("计算图中的操作列表：", [op.name for op in graph.get_operations()])

# 如果后续需要访问y_pred，必须回到graph的上下文
with graph.as_default():
    # 方式1：直接用定义好的变量
    print(train_prediction.shape)
    # 方式2：如果一定要用名称获取，确保上下文正确
    y_pred_tensor = tf.get_tensor_by_name("y_pred:0")

内容的提问来源于stack exchange，提问作者Shivangi pandey