溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
已經(jīng)有了一個預訓練的模型，我需要從其中取出某一層，把該層的weights和biases賦值到新的網(wǎng)絡結(jié)構(gòu)中，可以使用tensorflow中的pywrap_tensorflow(用來讀取預訓練模型的參數(shù)值)結(jié)合Session.assign()進行操作。
這種需求即預訓練模型可能為單分支網(wǎng)絡，當前網(wǎng)絡為多分支，我需要把單分支A復用到到多個分支去（B，C，D）。
先導入對應的工具包
from tensorflow.python import pywrap_tensorflow
接下來的操作在一個tf.Session中進行
reader = pywrap_tensorflow.NewCheckpointReader(pre_train_model_path)
# 獲取當前圖可訓練變量
trainable_variables = tf.trainable_variables()
# 需要賦值的當前網(wǎng)絡層變量，這里只是隨便起的名字。
restore_v_target_name = "fc_target"
# 需要的預訓練模型中的某層的名字
restore_v_source_name = "fc_source"
for v in trainable_variables:
if restore_v_target_name == v.name:
# 回復weights和biases
sess.run(
tf.assign(v, reader.get_tensor(restore_v_source_name + "/weights"))) if "weights" in v.name else sess.run(
tf.assign(v, reader.get_tensor(restore_v_source_name + "/biases")))
以上這篇tensorflow獲取預訓練模型某層參數(shù)并賦值到當前網(wǎng)絡指定層方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權內(nèi)容。
