我正在研究张量流的图像分类问题 . 对于不同的任务和AWS（亚马逊）机器，我有2个不同的CNN单独训练（实际上总共3个，但我将处理后面的第三个） . 一个告诉图像中是否有文本，另一个告诉图像是否可以安全工作 . 现在我想在我的计算机上的一个脚本中使用它们，这样我就可以将图像作为输入并将两个网络的结果作为输出 .
我使用 import_meta_graph API和import_scope参数在单个tensorflow会话中加载两个图，并将每个子图放在一个单独的范围内 . 然后我只使用创建的saver的 restore 方法，给它作为参数的公共Session .
然后，为了运行推理，我在 sess.run 中使用它之前使用 graph=tf.get_default_graph() 和 my_var=graph.get_operation_by_name('name').outputs[0] 检索占位符和最终输出（我想我可以将'name'放在 sess.run 而不是获取输出张量并将其放入变量中，但是这样不是我的问题） .
My problem is 文本CNN工作得很好，但nsfw检测器总是给我相同的输出，无论输入（甚至 np.zeros() ） . 我已经尝试了单独和相同的故事：文本工作但不nsfw . 所以我不认为问题来自于同时使用两个网络 .
我也尝试过我训练过的原始AWS机器，这次nsfw CNN工作得很好 .
两个网络非常相似 . 我查了Tensorboard如果一切都很好，我认为没问题 . 差异在于隐藏单元的数量以及我在nsfw模型中使用批量规范化而不在文本中使用批量规范化的事实 . 现在 why this title ？我发现在运行nsfw模型时我发出警告，当我只使用文本模型时，我没有这个模型：
W tensorflow / core / framework / op_def_util.cc：332]不推荐使用Op Inv . 它将停止在GraphDef版本17中工作 . 使用Reciprocal .
也许我认为这就是原因，其他一切都是平等的 . 我检查了我的GraphDef版本，它似乎是11，所以Inv应该仍然在理论上工作 . 顺便说一句，AWS机器使用的是tensroflow版本0.10，而我使用的是版本0.12 .
我注意到文本网络只有一个Inv操作（通过对 graph.get_operations() 给出的操作名称进行过滤），并且由于批量规范化层，nsfw模型具有相同的操作加上多个Inv操作 . 正如在release notes中预先确定的那样， tf.inv 已被简单地重命名为 tf.reciprocal ，因此我尝试使用 tf.group() 将操作的名称更改为Reciprocal，如建议here，但它不起作用 . 我已经看到使用 tf.identity() 并更改名称也可以工作，但从我的理解，张量流图是一个仅附加结构，所以我们不能真正修改它的操作（这似乎是不可变的） .
The thing is ：
_999_正如我所说，Inv操作应该仍然可以在我的GraphDef版本中使用;
-
这只是一个警告;
-
Inv操作仅出现在以'gradients'开头的名称范围下，因此，根据我的理解，这不应该用于推理;
-
文本模型也有Inv操作 .
由于这些原因，我对我的诊断存在很大疑问 . 所以 my final questions are ：
-
你有另一个诊断吗？
-
如果我的是正确的，是否可以用互惠操作替换Inv操作，或者你有其他任何解决方案吗？
1 回答
在彻底检查相关节点的输出之后，在Tensorboard的帮助下，我现在非常肯定将Inv重命名为Reciprocal与我的问题无关 .
当输入变化时，最后一批归一化层似乎消除了其输出的几乎任何变化 . 我会问其他地方的原因 .