Question

我有一个训练有素的模型，该模型保存在3个文件中，并使用一些tensorflow（1.x）代码行。为了将其导入到Matlab中，我需要将模型转换为.h5（keras）。

模型保存为3个文件：

xxx.ckpt.data-00000-of-00001
xxx.ckpt.index
xxx.ckpt.meta

张量流代码行如下：

zzz = "a function of the previous line"
session_name = "a function of xxx"
sess = tf.Session()  
saver = tf.train.Saver()
saver.restore(sess,session_name)
output=sess.run(zzz, ...)

是否可以将经过培训的网络导出到H5文件？如果是，该怎么办？

添加：我已经问过一个朋友，显然不可能直接这样做是因为，首先，我必须“翻译” Keras中的网络结构。对于我在域中的级别而言，此步骤太难了。

Answer 1

据我所知，目前尚无方法直接使用检查点文件并秘密隐藏到h5（keras）。取而代之的是，您可以通过执行以下一些较小的解决方法来实现此目的。

如果要使用网络体系结构，则需要用Keras重写代码。
如果您只想转换权重（假设您具有相同模型的代码），则必须创建一个具有随机权重的模型，然后使用TensorFlow .ckpt读取tf.train.NewCheckpointReader文件，然后调用{{1 }}方法用于每个对应的层。

下面提到的相同示例代码：

set_weights()

您可以使用保存的.npy文件在h5（keras）中输出模型权重，如下所示。

reader = tf.train.NewCheckpointReader(filename)

for key in reader.get_variable_to_shape_map():
    # not saving the following tensors
    if key == 'global_step':
        continue
    if 'AuxLogit' in key:
        continue

    # convert tensor name into the corresponding Keras layer weight name and save
    path = os.path.join(output_folder, get_filename(key))
    arr = reader.get_tensor(key)
    np.save(path, arr)

如何将经过TF训练的网络导出到H5文件

1 个答案: