tensorflow获取预训练模型某层参数并赋值到当前网络指定层方式
更新时间:2020年01月24日 10:39:23 作者:曲草
今天小编就为大家分享一篇tensorflow获取预训练模型某层参数并赋值到当前网络指定层方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
已经有了一个预训练的模型,我需要从其中取出某一层,把该层的weights和biases赋值到新的网络结构中,可以使用tensorflow中的pywrap_tensorflow(用来读取预训练模型的参数值)结合Session.assign()进行操作。
这种需求即预训练模型可能为单分支网络,当前网络为多分支,我需要把单分支A复用到到多个分支去(B,C,D)。

先导入对应的工具包
from tensorflow.python import pywrap_tensorflow
接下来的操作在一个tf.Session中进行
reader = pywrap_tensorflow.NewCheckpointReader(pre_train_model_path)
# 获取当前图可训练变量
trainable_variables = tf.trainable_variables()
# 需要赋值的当前网络层变量,这里只是随便起的名字。
restore_v_target_name = "fc_target"
# 需要的预训练模型中的某层的名字
restore_v_source_name = "fc_source"
for v in trainable_variables:
if restore_v_target_name == v.name:
# 回复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")))
以上这篇tensorflow获取预训练模型某层参数并赋值到当前网络指定层方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
python绘制子图技巧之plt.subplot、plt.subplots及坐标轴修改
一个图片里边绘制多个图像是绘图中的常见需求,下面这篇文章主要给大家介绍了关于python绘制子图技巧之plt.subplot、plt.subplots及坐标轴修改的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-05-05
详解python __init__.py 和 __all__作用
导入文件夹包的时候,会运行写在该文件夹包下的__init__.py文件,这主要是__init__.py的作用,本文结合示例代码介绍了python __init__.py 和 __all__作用,感兴趣的朋友一起看看吧2023-02-02


最新评论