TensorFlow实现打印每一层的输出
在test.py中可以通过如下代码直接生成带weight的pb文件,也可以通过tf官方的freeze_graph.py将ckpt转为pb文件。
constant_graph=graph_util.convert_variables_to_constants(sess,sess.graph_def,['net_loss/inference/encode/conv_output/conv_output']) withtf.gfile.FastGFile('net_model.pb',mode='wb')asf: f.write(constant_graph.SerializeToString())
tf1.0中通过带weight的pb文件与get_tensor_by_name函数可以获取每一层的输出
importos importos.pathasops importargparse importtime importmath importtensorflowastf importglob importnumpyasnp importmatplotlib.pyplotasplt importcv2 os.environ["CUDA_VISIBLE_DEVICES"]="-1" gragh_path='./model.pb' image_path='./lvds1901.JPG' inputtensorname='input_tensor:0' tensorname='loss/inference/encode/resize_images/ResizeBilinear' filepath='./net_output.txt' HEIGHT=256 WIDTH=256 VGG_MEAN=[103.939,116.779,123.68] withtf.Graph().as_default(): graph_def=tf.GraphDef() withtf.gfile.GFile(gragh_path,'rb')asfid: serialized_graph=fid.read() graph_def.ParseFromString(serialized_graph) tf.import_graph_def(graph_def,name='') image=cv2.imread(image_path) image=cv2.resize(image,(WIDTH,HEIGHT),interpolation=cv2.INTER_CUBIC) image_np=np.array(image) image_np=image_np-VGG_MEAN image_np_expanded=np.expand_dims(image_np,axis=0) withtf.Session()assess: ops=tf.get_default_graph().get_operations() tensor_name=tensorname+':0' tensor_dict=tf.get_default_graph().get_tensor_by_name(tensor_name) image_tensor=tf.get_default_graph().get_tensor_by_name(inputtensorname) output=sess.run(tensor_dict,feed_dict={image_tensor:image_np_expanded}) ftxt=open(filepath,'w') transform=output.transpose(0,3,1,2) transform=transform.flatten() weight_count=0 foriintransform: ifweight_count%10==0andweight_count!=0: ftxt.write('\n') ftxt.write(str(i)+',') weight_count+=1 ftxt.close()
以上这篇TensorFlow实现打印每一层的输出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。