获取由 TensorFlow 训练的模型中某些权重的值

Question

我已经用TensorFlow训练了一个ConvNet模型，我想在层中获得一个特定的权重。例如，在torch7中，我只需访问model.modules[2]weights。以获取第 2 层的权重。如何在TensorFlow中做同样的事情？

Answer 1

因此，如果您逐步执行此代码，您将首先获得已使用/可训练变量的列表。然后，您可以在列表中对它们进行排序，在该列表中，您将权重矩阵/列表排序为变量名称，例如，如何处理该信息。

vars = tf.trainable_variables()
print(vars) #some infos about variables...
vars_vals = sess.run(vars)
for var, val in zip(vars, vars_vals):
    print("var: {}, value: {}".format(var.name, val)) #...or sort it in a list....

Answer 2

2.0兼容回答:如果我们使用< code>Keras Sequential API构建模型，我们可以使用下面提到的代码获得模型的权重:

!pip install tensorflow==2.1

from tf.keras import Sequential

model = Sequential()

model.add(Conv2D(filters=conv1_fmaps, kernel_size=conv1_ksize,
                         strides=conv1_stride, padding=conv1_pad,
                         activation=tf.nn.relu, input_shape=(height, width, channels),
                    data_format='channels_last'))

model.add(MaxPool2D(pool_size = (2,2), strides= (2,2), padding="VALID"))

model.add(Dropout(0.25))

model.add(Flatten())

model.add(Dense(units = 32, activation = 'relu'))

model.add(Dense(units = 10, activation = 'softmax'))

model.summary()

print(model.trainable_variables) 

最后一条语句< code > print(Model . trainiable _ variables)将返回模型的权重，如下所示:

    [<tf.Variable 'conv2d/kernel:0' shape=(3, 3, 1, 32) dtype=float32>,
 <tf.Variable 'conv2d/bias:0' shape=(32,) dtype=float32>, <tf.Variable 
'dense/kernel:0' shape=(6272, 32) dtype=float32>, <tf.Variable 'dense/bias:0' 
shape=(32,) dtype=float32>, <tf.Variable 'dense_1/kernel:0' shape=(32, 10) 
dtype=float32>, <tf.Variable 'dense_1/bias:0' shape=(10,) dtype=float32>]

Answer 3

在TensorFlow中，训练的权重由< code>tf表示。可变对象。如果您创建了一个< code>tf。变量—例如，称为< code > v —您可以通过调用< code>sess.run(v)(其中< code>sess是< code>tf)以NumPy数组的形式获取其值。会话)。

如果当前没有指向< code>tf的指针。变量，您可以通过调用< code > TF . trainiable _ variables()获得当前图形中可训练变量的列表。此函数返回所有可训练的< code>tf列表。变量对象，您可以通过匹配< code>v.name属性来选择所需的对象。例如:

# Desired variable is called "tower_2/filter:0".
var = [v for v in tf.trainable_variables() if v.name == "tower_2/filter:0"][0]