tensorflow檢視權重引數值

每個框架都有檢視權重引數的機制，在tenstensorflow中

檢視的例子如下

import tensorflow as tf

import numpy as np
reader = tf.train.newcheckpointreader('model-100')
all_variables = reader.get_variable_to_shape_map()
w0 = reader.get_tensor("conv0/w")
print(type(w0))
print(w0.shape)
print(w0[0])
b0 = reader.get_tensor("conv0/b")
print(type(b0))
print(b0.shape)
print(b0)

直接是numpy.ndarray格式，這個很好。

使用txt檔案儲存權重的**為

import tensorflow as tf

import numpy as np
reader = tf.train.newcheckpointreader('model-100')
all_variables = reader.get_variable_to_shape_map()
quantized_conv_list = ['conv1','conv2','conv3','conv4']
pf = open('result.txt', 'w+')
for quantized_conv_name in quantized_conv_list:
weight = reader.get_tensor(quantized_conv_name+"/w")
print quantized_conv_name
print '***************************************'
print weight.shape
[n,cout,h,w]=weight.shape
print cout,h,w
pf.write(quantized_conv_name)
pf.write('\n')
pf.write(str(n)+' '+str(cout)+' '+str(h)+' '+str(w)+'\n')
#for c in range(cout):
#pf.write('***********'+str(c)+'**********\n')
for n1 in range(n):
pf.write('***********'+str(n1)+'**********\n')
for h1 in range(h):
for w1 in range(w):
for c in range(cout):
pf.write('%f ' %weight[n1][c][h1][w1])
pf.write('\n')
#pf.write('\n')
try: 
bias = reader.get_tensor(quantized_conv_name+"/b")
n2=bias.shape
print bias.shape
print n2
print '***************************************'
pf.write('\n')
pf.write('**************************bias:')
pf.write('\n')
pf.write(str(n)+'\n')
#for n1 in range(n2):
# pf.write('%f, ' %bias[n1]) 
#pf.write('\n')
for b in bias:
pf.write('%f '%b)
except:
print 'no bias'
pf.write('\n')
pf.close()

Tensorflow中檢視權重

剛開始學習tensorflow，還不太會用，開個博記錄，今天遇到乙個問題是用tf.layers.dense建立的全連線層，如何檢視權重？知道kernel表示了權重，但是如何提示成變數？我分成兩步 1 檢視tensor tf.trainable variables 命令列裡中執行即可，如下圖 可以看到...

tensorflow 檢視ckpt模型中引數值

有時我們有檢視tensor內部變數的值的變化情況，需要挖一下，現給出解析 date 2021 5 18 author import osfrom tensorflow.python import pywrap tensorflow base model dir r model ckp 2021022...

Tensorflow 權重衰減的使用

在 tf.get variable 這個函式中有乙個命名引數為 regularizer，顧名思義，這個引數可用於正則化。在 tensorflow 官網中，regularizer 的描述如下 get variable name,shape none,dtype none,initializer non...