小编给大家分享一下tensorflow怎么获取checkpoint中的变量列表，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
方式1：静态获取,通过直接解析checkpoint文件获取变量名及变量值
通过
计算
安全
数据库
网络和加速
企业服务
reader = tf.train.NewCheckpointReader(model_path)或者通过：
from tensorflow.python import pywrap_tensorflow
reader = pywrap_tensorflow.NewCheckpointReader(model_path)代码：
model_path = "./checkpoints/model.ckpt-75000"
## 下面两个reader作用等价
#reader = pywrap_tensorflow.NewCheckpointReader(model_path)
reader = tf.train.NewCheckpointReader(model_path)
## 用reader获取变量字典,key是变量名,value是变量的shape
var_to_shape_map = reader.get_variable_to_shape_map()
for var_name in var_to_shape_map.keys():
#用reader获取变量值
var_value = reader.get_tensor(var_name)
print("var_name",var_name)
print("var_value",var_value)方式2：动态获取,先加载checkpoint模型,然后用graph.get_tensor_by_name()获取变量值
代码 (注意：要先在脚本中构建model中对应的变量及scope):
model_path = "./checkpoints/model.ckpt-75000"
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
with tf.Session(config=config) as sess:
## 获取待加载的变量列表
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
## 仅加载目标变量
loader = tf.train.Saver(var_restore)
loader.restore(sess,model_path)
## 显示加载的变量值
graph = tf.get_default_graph()
for var in var_restore:
tensor = graph.get_tensor_by_name(var.name)
print("=======变量名=======",tensor)
print("-------变量值-------",sess.run(tensor))以上是“tensorflow怎么获取checkpoint中的变量列表”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
