如何在TensorFlow中获取张量形状并提取最终层权重数组

嘿，我来帮你搞定这个问题！你已经成功加载了计算图并定位到目标张量，但TensorFlow的张量本身只是计算图里的节点，不是实际的数值数组——要拿到你想要的[[1,2,3],[1,2,3]...]这种格式的数值，得在会话里运行这个张量才行。下面是具体步骤和代码：

核心逻辑说明 #

• 你加载的meta图只包含模型结构，权重参数存在单独的checkpoint数据文件里，需要额外恢复。
• TensorFlow采用惰性执行机制，只有在会话中运行张量，才能触发计算并得到实际的数值数组。

完整代码示例 #

import tensorflow as tf

# 加载模型的meta图（仅结构）
saver = tf.train.import_meta_graph('_retrain_checkpoint.meta')

# 创建会话并恢复权重参数
with tf.Session() as sess:
    # 注意：这里的checkpoint路径不要加.meta后缀
    saver.restore(sess, '_retrain_checkpoint')
    
    # 替换成你实际找到的目标张量完整名称（通常末尾会带:0）
    target_tensor = tf.get_default_graph().get_tensor_by_name("final_layer/weights:0")
    
    # 运行张量，得到numpy数组格式的权重数值
    weights_array = sess.run(target_tensor)
    
    # 验证形状是否符合预期（2048×6）
    print(f"权重数组形状: {weights_array.shape}")
    
    # 打印前几行查看数值，确认格式
    print("前2行权重示例:")
    print(weights_array[:2])

关键注意事项 #

1. 张量名称要准确：TensorFlow中张量的完整名称通常会在你已知的名称末尾加上:0（比如你提到的"fin..."可能实际是"final_layer/weights:0"）。如果不确定，可以用graph.get_all_tensor_names()打印所有张量名称，找到你需要的那个。
2. checkpoint路径不要加后缀：saver.restore()的第二个参数只需要checkpoint的前缀名（比如你的文件是_retrain_checkpoint，对应的权重文件是_retrain_checkpoint.data-00000-of-00001和_retrain_checkpoint.index）。
3. TensorFlow 2.x兼容写法：如果你用的是TF2.x，需要关闭eager execution并使用兼容模块：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

saver = tf.compat.v1.train.import_meta_graph('_retrain_checkpoint.meta')
with tf.compat.v1.Session() as sess:
    saver.restore(sess, '_retrain_checkpoint')
    target_tensor = tf.compat.v1.get_default_graph().get_tensor_by_name("final_layer/weights:0")
    weights_array = sess.run(target_tensor)
    print(weights_array.shape)

运行之后，weights_array就是你想要的2048×6的numpy数组，可以直接当成普通数组来使用啦！

内容的提问来源于stack exchange，提问作者MFK34