tensorflow 獲取checkpoint中的變量列表實例
更新時間:2020年02月11日 16:57:49 作者:wzg2016
今天小編就為大家分享一篇tensorflow 獲取checkpoint中的變量列表實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
方式1:靜態(tài)獲取,通過直接解析checkpoint文件獲取變量名及變量值
通過
reader = tf.train.NewCheckpointReader(model_path)
或者通過:
from tensorflow.python import pywrap_tensorflow reader = pywrap_tensorflow.NewCheckpointReader(model_path)
代碼:
model_path = "./checkpoints/model.ckpt-75000"
## 下面兩個reader作用等價
#reader = pywrap_tensorflow.NewCheckpointReader(model_path)
reader = tf.train.NewCheckpointReader(model_path)
## 用reader獲取變量字典,key是變量名,value是變量的shape
var_to_shape_map = reader.get_variable_to_shape_map()
for var_name in var_to_shape_map.keys():
#用reader獲取變量值
var_value = reader.get_tensor(var_name)
print("var_name",var_name)
print("var_value",var_value)
方式2:動態(tài)獲取,先加載checkpoint模型,然后用graph.get_tensor_by_name()獲取變量值
代碼 (注意:要先在腳本中構建model中對應的變量及scope):
model_path = "./checkpoints/model.ckpt-75000"
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
## 獲取待加載的變量列表
trainable_vars = tf.trainable_variables()
g_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES,scope="generator")
d_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES,scope='discriminator')
flow_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES,scope='flow_net')
var_restore = g_vars + d_vars
## 僅加載目標變量
loader = tf.train.Saver(var_restore)
loader.restore(sess,model_path)
## 顯示加載的變量值
graph = tf.get_default_graph()
for var in var_restore:
tensor = graph.get_tensor_by_name(var.name)
print("=======變量名=======",tensor)
print("-------變量值-------",sess.run(tensor))
以上這篇tensorflow 獲取checkpoint中的變量列表實例就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

