TensorFlow中CNN权重偏置重加载报错及可视化问题咨询

一、解决占位符未喂入数据的错误 #

你遇到的这个报错逻辑其实很清晰：y_pred这个输出节点的计算依赖占位符x的输入，但你加载模型后直接调用sess.run('y_pred:0')，完全没给x传数据，TensorFlow自然会提示你必须喂入符合要求的张量值。

解决起来分两步走：

1. 获取图中的占位符和输出节点
   导入meta图后，所有节点都存放在默认计算图里，你可以通过节点名称把它们取出来：

   import tensorflow as tf
   import numpy as np
   
   sess = tf.Session()
   saver = tf.train.import_meta_graph('results/steering_model.meta')
   saver.restore(sess, 'results/steering_model')
   
   # 获取默认图对象
   graph = tf.get_default_graph()
   # 通过名称获取占位符x（注意要加:0，这是TensorFlow节点张量的命名规则）
   x = graph.get_tensor_by_name('x:0')
   # 获取输出节点y_pred
   y_pred = graph.get_tensor_by_name('y_pred:0')
   

2. 准备符合形状的输入数据并喂入
   你的x形状是[16,96,128,3]，意味着需要传入16张96×128的3通道彩色图（float32类型）。可以用随机数快速测试，或者加载预处理后的真实测试图片：

   # 生成符合要求的测试输入（随机数仅用于测试，实际用真实图片需和训练时做同样预处理）
   test_input = np.random.rand(16, 96, 128, 3).astype(np.float32)
   # 喂入数据并运行得到预测结果
   pred_result = sess.run(y_pred, feed_dict={x: test_input})
   print(pred_result)
   

   要是用真实图片，记得要做和训练阶段完全一致的预处理（比如归一化到0-1、尺寸裁剪等），否则输入格式不匹配也会报错。

二、计算图可视化方法 #

用TensorFlow自带的TensorBoard就能轻松可视化计算图，不管是训练时的图还是加载后的图都能搞定：

方法1：训练时保存图到日志 #

在你的训练代码里，创建Session后添加这两行，就能把计算图写入日志文件：

# 训练代码片段中添加
writer = tf.summary.FileWriter('./training_graph_logs', session.graph)
writer.close()

方法2：加载模型后保存图到日志 #

如果是已经训练好的模型，加载后同样可以写入日志：

# 加载模型的代码里添加
writer = tf.summary.FileWriter('./loaded_graph_logs', sess.graph)
writer.close()

启动TensorBoard查看 #

打开终端，运行以下命令（替换成你的日志目录）：

tensorboard --logdir=./training_graph_logs

然后打开浏览器，访问终端输出的地址（通常是http://localhost:6006），点击左侧的Graphs标签，就能看到完整的计算图结构了——可以缩放、展开节点，查看每一层的细节和依赖关系。

内容的提问来源于stack exchange，提问作者Federico Màlato