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。