tensorflow怎么獲取checkpoint中的變量列表

小編給大家分享一下tensorflow怎么獲取checkpoint中的變量列表，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

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(gè)reader作用等價(jià)
#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(dòng)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(gòu)建model中對(duì)應(yīng)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(biāo)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))

以上是“tensorflow怎么獲取checkpoint中的變量列表”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！