基于tensorflow权重文件的解读
作者:AI剑客 时间:2023-11-04 02:05:35
1.解读tensorflow权重文件,透过 tf.train.NewCheckpointReader函数。
2.reader.get_variable_to_shape_map()可以得到权重文件里面的tensor名称。
3.reader.get_tensor(key) 可以得到对应tensor的权重值。
import tensorflow as tf
cpktFileName = r'.\models\resnet_v2_152.ckpt'
reader = tf.train.NewCheckpointReader(cpktFileName)
for key in sorted(reader.get_variable_to_shape_map()):
if key.endswith('weights') or key.endswith('biases'):
keySplits = key.split(r'/')
print(key)
print(reader.get_tensor(key))
resnet_v2_152权重 tensor name解读
第一,每个tensor name都以resnet_v2_152开头
第二,tensor name第二段为block,共有四个block。与网络架构有关。
第三,第三字段为unit,每个block里面unit数量不同。与网络架构有关。
第四,除了组后的平坦层,第四字段都为bottleneck_v2
第五,第五字段为‘conv1',‘conv2',‘conv3',‘shortcut'
第六,第六字段为‘weights' or ‘biases'
补充:tensorflow模型的调用,权重查看
以vc版本的tensorpack说明
模型调用
每次运行,会有checkpoint、graph、model生成
1、其中,若文件夹已经有checkpoint,且写有自动掉用上次模型,可以在上次的基础上继续训练,否则重新生成,且不能调用之前的模型,即使已经存在
2、每次运行会重新生成graph,即使上次的已经存在,因此调用上次模型与文件夹中是否有graph无关
权重变量查看
import numpy as np
import tensorflow as tf
import sys
model = sys.argv[1]
tensor = sys.argv[2]
reader = tf.train.NewCheckpointReader(model)
all_variables = reader.get_variable_to_shape_map()
#reader = pywrap_tensorflow.NewCheckpointReader(ckpt_path)
#param_dict = reader.get_variable_to_shape_map()
for key, val in all_variables.items():
try:
print key, val
#key是网络参数名,val是维度
except:
pass
w0 = reader.get_tensor(tensor)
np.save('con1d_w.npy',w0)
print(type(w0))
print(w0.shape)
print(w0[0])
文件内容
chekpoint—记录了保存的最新的checkpoint文件以及其它checkpoint文件列表。在inference时,可以通过修改这个文件,指定使用哪个model
MyModel.meta文件保存的是图结构,meta文件是pb(protocol buffer)格式文件,包含变量、op、集合等。
ckpt文件是二进制文件,保存了所有的weights、biases、gradients等变量。在tensorflow 0.11之前,保存在.ckpt文件中。0.11后,通过两个文件保存,如:
MyModel.data-00000-of-00001
MyModel.index
来源:https://blog.csdn.net/qq_43258953/article/details/102886973
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
在ASP.NET 2.0中操作数据之三十六:在DataList里编辑和删除数据概述
![](https://img.aspxhome.com/file/2023/1/129811_0s.png)
基于python图像处理API的使用示例
Python异步编程之协程任务的调度操作实例分析
JavaScript日期工具类DateUtils定义与用法示例
![](https://img.aspxhome.com/file/2023/3/136833_0s.png)
关于matplotlib-legend 位置属性 loc 使用说明
![](https://img.aspxhome.com/file/2023/3/78513_0s.jpg)
centos下安装配置phpMyAdmin的方法步骤
Pycharm及python安装详细教程(图解)
![](https://img.aspxhome.com/file/2023/6/75266_0s.jpg)
JavaScript中匿名函数用法实例
解析数据库分页的两种方法对比(row_number()over()和top的对比)
Tensorflow tf.nn.depthwise_conv2d如何实现深度卷积的
block 和 inline 的区别是?
![](https://img.aspxhome.com/file/UploadPic/200912/8/203330321-54s.gif)
Tensorflow全局设置可见GPU编号操作
分享18个最佳代码编辑器/IDE开发工具
![](https://img.aspxhome.com/file/2023/7/81587_0s.png)
Python中Tkinter组件Button的具体使用
![](https://img.aspxhome.com/file/2023/1/131491_0s.png)
python+pyqt5编写md5生成器
![](https://img.aspxhome.com/file/2023/4/131434_0s.jpg)
用python实现的可以拷贝或剪切一个文件列表中的所有文件
基于ORA-19815闪回空间爆满问题的处理方法
使用systemd部署服务的过程解析
![](https://img.aspxhome.com/file/2023/5/124675_0s.jpg)
MySQL主键约束和外键约束详解
![](https://img.aspxhome.com/file/2023/6/121286_0s.png)