1 如何使用pb文件保存和恢复模型进行迁移学习（学习Tensorflow 实战google深度学习框架）

学习过程是Tensorflow 实战google深度学习框架一书的第六章的迁移学习环节。

问题的跟踪情况记录：

1 首先是保存模型：

因为inception v3接受输入的tensor是Decode/Content:0，是一个const类型，就是tf.constant类型，而一开始，我并不明白问题的所在，就将tf.placeholder改为了tf.constant，而实际上，两个都可以。问题的本身不是出在这里，而是对书本有错误的理解。

书上因为获取的是两个return elements，会自动从列表中取出元素。

而我获得的是一个retrun elelment，则只能返回一个列表。

这些都是参照书上使用inception模型时的做法，我参照着自己写了一个模型，但是有重大bug

运行结果总是提示：

因为总是无法用feed_dict传入我想计算的输入。我一开始因为是tf.placeholder的原因，就参照inception的改为tf.constant。但是还是不行。后来在网上看到别人加载pb文件的一段代码https://blog.csdn.net/zhuiqiuk/article/details/53376283，重新对代码进行了修正。如下：

问题的根本在于：

V1= tf.import_graph_def(graph_def, return_elements=["v1:0"])获取的是

[<tf.Tensor 'import/v1:0' shape=(1,) dtype=float32>]，是一个列表

而：input_x = sess.graph.get_tensor_by_name("v1:0")

获取的是一个Tensor，即Tensor("v1:0", shape=(1,), dtype=float32)。

使用sess.run的时候，feed_dict要修正的是tensor，而不是一个list。因此，总会提出unhashable type：listd的报错。

也可以正确运行

需要注意的是：

首先，无论如何，加载pb以后，输出所有可训练的变量，都不可能输出持久化模型中的变量。这一点以前就说过。以前说过，只能使用train.saver的方式。

其次，如果使用后一种方式，即sess.graph.get_tensor_by_name，则必须要有红黄标注的那一幕。即：_ = tf.import_graph_def(output_graph_def, name="")

链接：https://pan.baidu.com/s/11YtyDEyV84jONPi9tO2TCw 密码：8mfj