溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了tensorflow如何從ckpt和從.pb文件讀取變量的值，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
最近在學習tensorflow自帶的量化工具的相關知識，其中遇到的一個問題是從tensorflow保存好的ckpt文件或者是保存后的.pb文件(這里的pb是把權重和模型保存在一起的pb文件)讀取權重，查看量化后的權重是否變成整形。
因此將自己解決這個問題記錄下來，為了下一次遇到時，可以有所參考，也希望給有需要的同學一個可能的參考。
(1) 從保存的ckpt讀取變量的值(以讀取保存的第一個權重為例)
from tensorflow.python import pywrap_tensorflow
import tensorflow as tf
with tf.Graph().as_default():
with tf.Session() as sess:
ckpt = tf.train.get_checkpoint_state('./model_ckpt') #保存ckpt文件的文件夾
if ckpt and ckpt.model_checkpoint_path:
reader = pywrap_tensorflow.NewCheckpointReader('./model_ckpt/model.ckpt-999') #自己保存的ckpt文件名
all_variables = reader.get_variable_to_shape_map()
w1 = reader.get_tensor("Variable_1")
print(w1.shape)
print(w1)
else: print('No checkpoint file found')(2) 從保存的.pb文件讀取變量的值(以讀取保存的第一個權重為例)
import tensorflow as tf
from tensorflow.python.framework import graph_util
from tensorflow.python.platform import gfile
import numpy as np
sess = tf.Session()
with gfile.FastGFile('Yourpb.pb', 'rb') as f: #自己保存的pb文件
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
sess.graph.as_default()
tf.import_graph_def(graph_def, name='')
print(sess.run('Variable_1:0'))補充知識：如何從已存在的檢查點文件（cpkt文件）種解析出里面變量——無需重新創建原始計算圖
import tensorflow as tf
import os
CheckpointReader
tf.train.NewCheckpointReader是一個創建檢查點讀取器（CheckpointReader）對象的完美手段。 CheckpointReader中有幾個非常有用的方法：
get_variable_to_shape_map() - 提供具有變量名稱和形狀的字典
debug_string() - 提供由檢查點文件中所有變量組成的字符串
has_tensor(var_name) - 允許檢查變量是否存在于檢查點中
get_tensor(var_name) - 返回變量名稱的張量
為了便于說明，我將定義一個函數來檢查路徑的有效性，并為您加載檢查點讀取器。
In [3]:
def load_reader(path):
assert os.path.exists(path), "Provided incorrect path to the file. {} doesn't exist".format(path)
return tf.train.NewCheckpointReader(path)In [34]:
your_path = 'logs/squeezeDet1024x1024/train/model.ckpt-0'
reader = load_reader(your_path)
reader.debug_string()
用于返回包含以下內容的一個字符串：
variable name（變量名）
data type（數據類型）
tensor shape（張量類型）
它返回字符串的各元素間均用空格符' '分隔，你可以使用debug_string來創建一個變量名列表，如下所示：
In [53]:
all_var_descriptions = reader.debug_string().split() var_names, var_shapes = all_var[::3], all_var[2::3] print(var_names[:4]) print(var_shapes[:4])
輸出：
['iou', 'fire9/squeeze1x1/kernels', 'fire9/squeeze1x1/biases', 'fire9/expand3x3/kernels/Momentum']
['[10,36864]', '[1,1,512,64]', '[64]', '[3,3,64,256]']
但是，對于完成同樣的任務，更好的方法是使用reader.get_variable_to_shape_map（）
reader.get_variable_to_shape_map()
用于返回包含所有變量及其形狀名稱的字典，變量作為字典的Key，形狀作為Value。
In [66]:
saved_shapes = reader.get_variable_to_shape_map()
print('fire9/squeeze1x1/kernels:', saved_shapes['fire9/squeeze1x1/kernels'])
fire9/squeeze1x1/kernels: [1, 1, 512, 64]
reader.has_tensor(var_name)返回bool值
這是一種方便的方法，允許您檢查ckeckpoint中是否存在相關的變量。
In [51]:
names_that_exit = {var_name: reader.has_tensor(var_name) for var_name in var_names[:10]}
for key in names_that_exit:
print(key.decode()+':', names_that_exit[key])fire8/squeeze1x1/kernels/Momentum: True fire9/expand3x3/kernels: True iou: True fire9/expand3x3/biases: True fire9/expand1x1/kernels: True fire9/expand3x3/kernels/Momentum: True fire9/expand1x1/biases/Momentum: True fire9/squeeze1x1/biases: True fire9/expand1x1/kernels/Momentum: True fire9/squeeze1x1/kernels: True reader.get_tensor(tensor_name)
返回包含檢查點的張量值的NumPy數組
正常使用方法是先恢復一個張量，然后用恢復的張量初始化你自己的變量：
In [60]:
def recover_var(reader, var_name):
recovered_var = 'var to be recovered'
try:
recovered_var = reader.get_tensor(var_name)
except:
assert reader.has_tensor(var_name),\
"{} variable doesn't exist in the check point. Please check the variable name".format(var_name)
return recovered_varIn [67]:
checkpoint_var = recover_var(reader, 'conv1/kernels')
print ("Recovered variable has the following shape: \n", checkpoint_var.shape)
new_var = tf.Variable(initial_value=checkpoint_var, name="new_conv1")
print ("New variable will be initialized with recovered values and the following shape: \n", new_var.get_shape())Recovered variable has the following shape: (3, 3, 3, 64) New variable will be initialized with recovered values and the following shape: (3, 3, 3, 64)
看完上述內容，是不是對tensorflow如何從ckpt和從.pb文件讀取變量的值有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
