如何根据保存的图形计算Tensorflow c API中的渐变

我想使用Tensorflow c API计算渐变 . 我得到了tf.gradients在Python API中工作：

import tensorflow as tf

with tf.Session() as sess:
    a = tf.Variable([[5.0,1.0,2.0]], name='a')
    b = tf.Variable([[9.0,2.0,0.0]], name='b')
    c = tf.matmul(a, tf.transpose(b), name="c") 
    deriv = tf.gradients(c,a, name="deriv")  #\partial c/\partial a

    sess.run(tf.global_variables_initializer())
    print(sess.run(deriv)) 

    #### get the tensor by name ####
    tmp = tf.get_default_graph().get_tensor_by_name("deriv/c_grad/MatMul:0")
    print(sess.run(tmp))

    #### save graph ####
    tf.train.write_graph(sess.graph_def, './', 'graph.pb', as_text=False)
    tf.train.write_graph(sess.graph_def, './', 'graph.pbtxt', as_text=True)


    saver = tf.train.Saver()
    saver.save(sess, "variable", global_step=0)

我从 print(sess.run(deriv)) 和 print(sess.run(tmp)) 得到了正确答案，并生成了graph.pb . 然后我尝试使用以下c代码加载图形并以与我在Python中类似的方式进行渐变计算 .

#include "tensorflow/core/public/session.h"
#include "tensorflow/core/platform/env.h"
#include "tensorflow/cc/framework/ops.h"

void checkStatus(const tensorflow::Status& status) {
  if (!status.ok()) {
    std::cout << status.ToString() << std::endl;
    exit(1);
  }
}

int main(int argc, char** argv) {
    namespace tf = tensorflow;

    tf::Session* session;
    tf::Status status = tf::NewSession(tf::SessionOptions(), &session);
    checkStatus(status);

    tf::GraphDef graph_def;
    status = ReadBinaryProto(tf::Env::Default(), "graph.pb", &graph_def);
    checkStatus(status);

    status = session->Create(graph_def);
    checkStatus(status);

    tf::Input::Initializer xi({1.0,2.0,-6.0});
    tf::Input::Initializer yi({9.0,2.0,0.0});
    std::vector<std::pair<tf::string, tf::Tensor>> input_tensors = {{"a", xi.tensor}, {"b", yi.tensor}};
    std::vector<tf::Tensor> output_tensors;
    status = session->Run(input_tensors, {"deriv/c_grad/MatMul"}, {},  &output_tensors);
    checkStatus(status);

    tf::Tensor output = output_tensors[0];
    auto out = output.vec<float>();
    std::cout << out(0) << " " << out(1) << " " << out(2) <<  std::endl;
    session->Close();
    return 0;
}

编译运行顺利，但我遇到了运行时错误：

内部：double类型的输出0与声明的输出类型float不匹配节点_recv_b_0 = _Recvclient_terminated = true，recv_device =“/ job：localhost / replica：0 / task：0 / cpu：0”，send_device =“/ job：localhost / replica：0 / task：0 / cpu：0“，send_device_incarnation = -3399984051910545345，tensor_name =”b“，tensor_type = DT_FLOAT，_device =”/ job：localhost / replica：0 / task：0 / cpu：0“

除了“deriv / c_grad / MatMul”之外，我还尝试了graph.pbtxt中与“deriv”相关的所有其他名称，但它们都不起作用 .

所以，我的问题是如何引用梯度计算的节点？似乎Python接受"deriv/c_grad/MatMul"但c没有 . 我也想知道是否有更一般的方法来做到这一点 . 因为我可以区分神经网络输出而不是点产品w.r.t.未来的输入张量， MatMul 将不再是最后一步 .