Question

我已成功导出重新训练的InceptionV3 NN作为TensorFlow元图。我已经成功地将这个protobuf读回到python中，但是我很难看到导出每个图层权重和偏差值的方法，我假设它存储在元图形protobuf中，用于在TensorFlow外部重新创建nn。

我的工作流程如下：

Retrain final layer for new categories
Export meta graph tf.train.export_meta_graph(filename='model.meta')
Build python pb2.py using Protoc and meta_graph.proto
Load Protobuf:

import meta_graph_pb2
saved = meta_graph_pb2.CollectionDef()
with open('model.meta', 'rb') as f:
  saved.ParseFromString(f.read())

从这里我可以查看图表的大多数方面，比如节点名称等，但我认为我的经验不足，难以找到访问每个相关层的权重和偏差值的正确方法。

Answer 1

MetaGraphDef proto实际上并不包含权重和偏差的值。相反，它提供了一种方法，将GraphDef与存储在一个或多个检查点文件中的权重相关联，由tf.train.Saver编写。 MetaGraphDef tutorial有更多细节，但近似结构如下：

在您的培训计划中，使用tf.train.Saver写出检查点。这也会将MetaGraphDef写入同一目录中的.meta文件。
```
saver = tf.train.Saver(...)
# ...
saver.save(sess, "model")
```
您应该在检查点目录中找到名为model.meta和model-NNNN的文件（对于某些整数NNNN）。
在另一个程序中，您可以导入刚创建的MetaGraphDef，并从检查点恢复。
```
saver = tf.train.import_meta_graph("model.meta")
saver.restore("model-NNNN")  # Or whatever checkpoint filename was written.
```
如果您想获取每个变量的值，您可以（例如）在tf.all_variables()集合中找到变量并将其传递给sess.run()以获取其值。例如，要打印所有变量的值，可以执行以下操作：
```
for var in tf.all_variables():
  print var.name, sess.run(var)
```
您还可以过滤tf.all_variables()以查找您尝试从模型中提取的特定权重和偏差。

来自训练元图的权重和偏差

1 个答案: