我参考了https://github.com/dennybritz/cnn-text-classification-tf作为参考。我的目标是从模型文件中构建冻结图。我想知道签名中的输入和输出节点，以便有效地构建冻结图。我使用以下代码从图定义中打印proto文件。

saver=tf.train.import_meta_graph('some_path/model.ckpt.meta')imported_graph = tf.get_default_graph() graph_op = imported_graph.get_operations() with open('output.txt', 'w') as f:        for i in graph_op:            f.write(str(i))

我得到的输出如下：https://drive.google.com/drive/folders/1iZQqohx8jAWbSw7XV3vFJuLkaUp0Dt2s?usp=sharing

如何知道哪个是输出节点，哪个是输入节点？这个文件中有大量的输入和输出？

回答：

我建议使用Tensorboard来可视化图结构，而不是使用带有节点的文本文件。你可以在这里找到更多细节 这里。

然而，图本身并没有输入或输出的概念。你可以将没有输入连接的节点视为可能是输入节点，特别是占位符节点。连接到损失函数的节点是可能是输出节点的候选者。

总结：一般来说，你需要通过分析网络架构来猜测哪些节点是输入，哪些是输出。

至于你提到的仓库，你可以阅读eval.py代码，并找到这些行：

input_x = graph.get_operation_by_name("input_x").outputs[0]# input_y = graph.get_operation_by_name("input_y").outputs[0]dropout_keep_prob = graph.get_operation_by_name("dropout_keep_prob").outputs[0]# Tensors we want to evaluatepredictions = graph.get_operation_by_name("output/predictions").outputs[0]

所以，很可能输入节点是”input_x”，输出节点是”output/predictions”。