TensorFlow按名称批量获取图中权重张量的方法

嗨，完全懂你这种痛点！手动一个个get_tensor_by_name在大型计算图里简直是噩梦，下面给你两种高效的批量获取方法，适配你这种h1、h2、h3这类有规律命名的权重：

方法一：按命名规则循环生成并获取 #

如果你的权重命名是严格的h数字格式，直接用循环生成目标名称，再逐个获取就行，还可以加个异常处理避免碰到不存在的张量报错：

import tensorflow as tf

sess = tf.Session()
graph = tf.get_default_graph()

target_weights = []
# 假设你知道最大的编号范围，比如先试到10，可根据实际调整
for i in range(1, 11):
    tensor_name = f"h{i}:0"
    try:
        tensor = graph.get_tensor_by_name(tensor_name)
        target_weights.append(tensor)
        print(f"成功获取张量: {tensor_name}")
    except KeyError:
        print(f"未找到张量: {tensor_name}，停止循环")
        break

这个方法简单直接，适合你已经清楚权重编号范围的场景。

方法二：遍历图中所有张量，筛选符合命名模式的 #

如果不确定具体有多少个这类权重，或者想更灵活地筛选，可以遍历图里的所有张量，用正则表达式匹配符合h[数字]:0格式的张量：

import tensorflow as tf
import re

sess = tf.Session()
graph = tf.get_default_graph()

# 定义匹配规则：以h开头，后面跟数字，最后是:0
pattern = re.compile(r'^h\d+:0$')
target_weights = []

for tensor_op in graph.get_operations():
    # 每个操作节点可能有多个输出张量，遍历所有输出
    for output_tensor in tensor_op.outputs:
        if pattern.match(output_tensor.name):
            target_weights.append(output_tensor)
            print(f"匹配到目标张量: {output_tensor.name}")

这个方法不需要提前知道编号范围，能自动把所有符合命名规则的权重都捞出来，适合大型计算图的场景。

两种方法都能帮你把目标权重批量存入target_weights列表里，后续直接操作这个列表就行啦！

内容的提问来源于stack exchange，提问作者Gilfoyle