我的TensorFlow模型定义如下：
X = tf.placeholder(tf.float32, [None,training_set.shape[1]],name = 'X')Y = tf.placeholder(tf.float32,[None,training_labels.shape[1]], name = 'Y')A1 = tf.contrib.layers.fully_connected(X, num_outputs = 50, activation_fn = tf.nn.relu)A1 = tf.nn.dropout(A1, 0.8)A2 = tf.contrib.layers.fully_connected(A1, num_outputs = 2, activation_fn = None)cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = A2, labels = Y)) global_step = tf.Variable(0, trainable=False)start_learning_rate = 0.001learning_rate = tf.train.exponential_decay(start_learning_rate, global_step, 200, 0.1, True )optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)现在我想保存这个模型，但省略张量Y（Y是训练用的标签张量，X是实际输入）。另外，在使用freeze_graph.py时提到输出节点时，我应该提到"A2"还是它以其他名称保存？
回答：
虽然你没有手动定义变量，但上面的代码片段实际上包含了15个可保存的变量。你可以使用TensorFlow的内部函数查看它们：
from tensorflow.python.ops.variables import _all_saveable_objectsfor obj in _all_saveable_objects(): print(obj)对于上面的代码，它会生成以下列表：
<tf.Variable 'fully_connected/weights:0' shape=(100, 50) dtype=float32_ref><tf.Variable 'fully_connected/biases:0' shape=(50,) dtype=float32_ref><tf.Variable 'fully_connected_1/weights:0' shape=(50, 2) dtype=float32_ref><tf.Variable 'fully_connected_1/biases:0' shape=(2,) dtype=float32_ref><tf.Variable 'Variable:0' shape=() dtype=int32_ref><tf.Variable 'beta1_power:0' shape=() dtype=float32_ref><tf.Variable 'beta2_power:0' shape=() dtype=float32_ref><tf.Variable 'fully_connected/weights/Adam:0' shape=(100, 50) dtype=float32_ref><tf.Variable 'fully_connected/weights/Adam_1:0' shape=(100, 50) dtype=float32_ref><tf.Variable 'fully_connected/biases/Adam:0' shape=(50,) dtype=float32_ref><tf.Variable 'fully_connected/biases/Adam_1:0' shape=(50,) dtype=float32_ref><tf.Variable 'fully_connected_1/weights/Adam:0' shape=(50, 2) dtype=float32_ref><tf.Variable 'fully_connected_1/weights/Adam_1:0' shape=(50, 2) dtype=float32_ref><tf.Variable 'fully_connected_1/biases/Adam:0' shape=(2,) dtype=float32_ref><tf.Variable 'fully_connected_1/biases/Adam_1:0' shape=(2,) dtype=float32_ref>这个列表中包含了来自fully_connected层的变量以及来自Adam优化器的多个变量（参见这个问题）。请注意，这个列表中没有X和Y占位符，因此无需排除它们。当然，这些张量存在于元图中，但它们没有任何值，因此不可保存。
_all_saveable_objects()列表是TensorFlow保存器默认保存的内容，如果没有明确提供变量。因此，你主要问题的答案很简单：
saver = tf.train.Saver() # 所有可保存的对象！with tf.Session() as sess: tf.global_variables_initializer().run() saver.save(sess, "...")无法为tf.contrib.layers.fully_connected函数提供名称（因此它被保存为fully_connected_1/...），但建议你切换到tf.layers.dense，它有一个name参数。要了解为什么这是一个好主意，请查看这个和这个讨论。
