详细内容或原文请订阅后点击阅览
TensorFlow 文件系统 - 以不同方式访问张量
通过将 tensorflow 模型挂载到文件系统中来访问该模型的奇怪（但很酷）的方法。
来源:Another DatumTensorflow 很棒。真的，我是认真的。问题是它在某种程度上很棒。有时你想做一些非常简单的事情，但 tensorflow 让你很难受。我编写 TFFS（TensorFlow 文件系统）的动机可以被任何使用过 tensorflow 的人分享，包括你。
TFFS我想知道的只是知道特定张量的名称是什么；或者它的输入张量是什么（忽略操作）。
所有这些问题都可以通过 tensorboard 轻松回答。当然，你只需打开图表选项卡，然后直观地检查图表。真的很方便，对吧？嗯，只有当你想对图表有一个鸟瞰图时才行。但如果你很专注并且有一个想要回答的特定问题，使用键盘是最好的方法。
所有这些问题都可以通过 tensorboard 轻松回答。那么为什么不将图表加载到 Python shell 中并检查它呢？这是可行的，但是每次我想执行该任务时都要编写这些代码行吗？必须记住如何加载图表，如何查找张量，如何获取其输入……当然，这只是几行代码，但是一旦你一遍又一遍地重复相同的任务，就该编写脚本了！
那么为什么不将图表加载到 Python shell 中并检查它呢？那么为什么不编写一个交互式脚本呢？你的意思是，一个给定模型路径的脚本会为你加载它，并提供实用函数来减轻你编写 tensorflow 代码的痛苦？好吧，我们可以这样做，但这不会像我要向你展示的那样棒！
那么为什么不编写一个交互式脚本呢？免责声明：如果您想要一个有意义的解决方案，请停止阅读这里并使用交互式脚本方法。只有当您想了解一些不同的东西时才继续阅读；）