tensorflow 获取checkpoint中的变量列表实例
方式1:静态获取,通过直接解析checkpoint文件获取变量名及变量值
通过
reader=tf.train.NewCheckpointReader(model_path)
或者通过:
fromtensorflow.pythonimportpywrap_tensorflow reader=pywrap_tensorflow.NewCheckpointReader(model_path)
代码:
model_path="./checkpoints/model.ckpt-75000" ##下面两个reader作用等价 #reader=pywrap_tensorflow.NewCheckpointReader(model_path) reader=tf.train.NewCheckpointReader(model_path) ##用reader获取变量字典,key是变量名,value是变量的shape var_to_shape_map=reader.get_variable_to_shape_map() forvar_nameinvar_to_shape_map.keys(): #用reader获取变量值 var_value=reader.get_tensor(var_name) print("var_name",var_name) print("var_value",var_value)
方式2:动态获取,先加载checkpoint模型,然后用graph.get_tensor_by_name()获取变量值
代码(注意:要先在脚本中构建model中对应的变量及scope):
model_path="./checkpoints/model.ckpt-75000" config=tf.ConfigProto() config.gpu_options.allow_growth=True withtf.Session(config=config)assess: ##获取待加载的变量列表 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 ##仅加载目标变量 loader=tf.train.Saver(var_restore) loader.restore(sess,model_path) ##显示加载的变量值 graph=tf.get_default_graph() forvarinvar_restore: tensor=graph.get_tensor_by_name(var.name) print("=======变量名=======",tensor) print("-------变量值-------",sess.run(tensor))
以上这篇tensorflow获取checkpoint中的变量列表实例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。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。