InceptionV3模型迁移学习的过程中，因为需要获取不同层次tensor的值，所以需要获取各层的name。之后才可以在迁移学习的过程中根据不同的层次输出结果，重新训练相应的模型
以下代码可以实现的功能：
tensorflow重新载入google提供的inceptionV3的pb模型文件 （不是cpkt模型）
读取pb文件的结构并print出tensor的name和值
存入txt文件中
#读取pb模型并print出tensor的name和值到txt文件中 import tensorflow as tf from tensorflow.python.framework import graph_util tf.reset_default_graph()#重置计算图 logdir="E:\DeepLearning\Git\cnn\inception_dec_2015\\" output_graph_path = logdir +'tensorflow_inception_graph.pb' doc=open('inceptionV3_tensorName.txt','w') #建立写入文件的文件，'w'为写入模式 with tf.Session() as sess: # with tf.gfile.FastGFile(output_graph_path, 'rb') as f: # graph_def = tf.GraphDef() # graph_def.ParseFromString(f.read()) # sess.graph.as_default() # tf.import_graph_def(graph_def, name='') tf.global_variables_initializer().run() output_graph_def = tf.GraphDef() graph = tf.get_default_graph() #获得默认的图 with open(output_graph_path, "rb") as f: output_graph_def.ParseFromString(f.read()) _ = tf.import_graph_def(output_graph_def, name="") print("%d ops in the final graph." % len(output_graph_def.node)) #得到当前图有几个操作节点 summaryWriter = tf.summary.FileWriter('log_graph/', graph) #在log_graph文件夹下生产日志文件，可以在tensorboard中可视化模型 for op in graph.get_operations(): print(op.name, op.values(),sep=',',file=doc) #直接写入txt文件中 print(op.name, op.values(),sep=',') #print出tensor的name和值 doc.close