tensorflow从ckpt和从.pb文件读取变量的值方式
最近在学习tensorflow自带的量化工具的相关知识，其中遇到的一个问题是从tensorflow保存好的ckpt文件或者是保存后的.pb文件(这里的pb是把权重和模型保存在一起的pb文件)读取权重，查看量化后的权重是否变成整形。
因此将自己解决这个问题记录下来，为了下一次遇到时，可以有所参考，也希望给有需要的同学一个可能的参考。
(1)从保存的ckpt读取变量的值(以读取保存的第一个权重为例)
fromtensorflow.pythonimportpywrap_tensorflow
importtensorflowastf
withtf.Graph().as_default():
withtf.Session()assess:
ckpt=tf.train.get_checkpoint_state('./model_ckpt')#保存ckpt文件的文件夹
ifckptandckpt.model_checkpoint_path:
reader=pywrap_tensorflow.NewCheckpointReader('./model_ckpt/model.ckpt-999')#自己保存的ckpt文件名
all_variables=reader.get_variable_to_shape_map()
w1=reader.get_tensor("Variable_1")
print(w1.shape)
print(w1)
else:print('Nocheckpointfilefound')
(2)从保存的.pb文件读取变量的值(以读取保存的第一个权重为例)
importtensorflowastf
fromtensorflow.python.frameworkimportgraph_util
fromtensorflow.python.platformimportgfile
importnumpyasnp
sess=tf.Session()
withgfile.FastGFile('Yourpb.pb','rb')asf:#自己保存的pb文件
graph_def=tf.GraphDef()
graph_def.ParseFromString(f.read())
sess.graph.as_default()
tf.import_graph_def(graph_def,name='')
print(sess.run('Variable_1:0'))
补充知识：如何从已存在的检查点文件（cpkt文件）种解析出里面变量——无需重新创建原始计算图
importtensorflowastf
importos
CheckpointReader
tf.train.NewCheckpointReader是一个创建检查点读取器（CheckpointReader）对象的完美手段。CheckpointReader中有几个非常有用的方法：
get_variable_to_shape_map()-提供具有变量名称和形状的字典
debug_string()-提供由检查点文件中所有变量组成的字符串
has_tensor(var_name)-允许检查变量是否存在于检查点中
get_tensor(var_name)-返回变量名称的张量
为了便于说明，我将定义一个函数来检查路径的有效性，并为您加载检查点读取器。
In[3]:
defload_reader(path):
assertos.path.exists(path),"Providedincorrectpathtothefile.{}doesn'texist".format(path)
returntf.train.NewCheckpointReader(path)
In[34]:
your_path='logs/squeezeDet1024x1024/train/model.ckpt-0'
reader=load_reader(your_path)
reader.debug_string()
用于返回包含以下内容的一个字符串：
variablename（变量名）
datatype（数据类型）
tensorshape（张量类型）
它返回字符串的各元素间均用空格符''分隔，你可以使用debug_string来创建一个变量名列表，如下所示：
In[53]:
all_var_descriptions=reader.debug_string().split() var_names,var_shapes=all_var[::3],all_var[2::3] print(var_names[:4]) print(var_shapes[:4])
输出：
['iou','fire9/squeeze1x1/kernels','fire9/squeeze1x1/biases','fire9/expand3x3/kernels/Momentum']
['[10,36864]','[1,1,512,64]','[64]','[3,3,64,256]']
但是，对于完成同样的任务，更好的方法是使用reader.get_variable_to_shape_map（）
reader.get_variable_to_shape_map()
用于返回包含所有变量及其形状名称的字典，变量作为字典的Key，形状作为Value。
In[66]:
saved_shapes=reader.get_variable_to_shape_map()
print('fire9/squeeze1x1/kernels:',saved_shapes['fire9/squeeze1x1/kernels'])
fire9/squeeze1x1/kernels:[1,1,512,64]
reader.has_tensor(var_name)
返回bool值
这是一种方便的方法，允许您检查ckeckpoint中是否存在相关的变量。
In[51]:
names_that_exit={var_name:reader.has_tensor(var_name)forvar_nameinvar_names[:10]}
forkeyinnames_that_exit:
print(key.decode()+':',names_that_exit[key])
fire8/squeeze1x1/kernels/Momentum:True fire9/expand3x3/kernels:True iou:True fire9/expand3x3/biases:True fire9/expand1x1/kernels:True fire9/expand3x3/kernels/Momentum:True fire9/expand1x1/biases/Momentum:True fire9/squeeze1x1/biases:True fire9/expand1x1/kernels/Momentum:True fire9/squeeze1x1/kernels:True reader.get_tensor(tensor_name)
返回包含检查点的张量值的NumPy数组
正常使用方法是先恢复一个张量，然后用恢复的张量初始化你自己的变量：
In[60]:
defrecover_var(reader,var_name):
recovered_var='vartoberecovered'
try:
recovered_var=reader.get_tensor(var_name)
except:
assertreader.has_tensor(var_name),\
"{}variabledoesn'texistinthecheckpoint.Pleasecheckthevariablename".format(var_name)
returnrecovered_var
In[67]:
checkpoint_var=recover_var(reader,'conv1/kernels')
print("Recoveredvariablehasthefollowingshape:\n",checkpoint_var.shape)
new_var=tf.Variable(initial_value=checkpoint_var,name="new_conv1")
print("Newvariablewillbeinitializedwithrecoveredvaluesandthefollowingshape:\n",new_var.get_shape())
Recoveredvariablehasthefollowingshape: (3,3,3,64) Newvariablewillbeinitializedwithrecoveredvaluesandthefollowingshape: (3,3,3,64)
以上这篇tensorflow从ckpt和从.pb文件读取变量的值方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。