Question

假设我训练了TensorFlow模型并保存它，现在有一个不同的模型，我想在模型中的某些图层中使用保存模型中的一些权重（它们具有相同的形状）。

现在，我能够找到如何从模型中保存特定变量（具有特定名称），但我无法找到任何按名称恢复这些变量的示例。

例如，假设在我保存的模型中，我保存了称为“v1”的张量（具有某种形状）。现在在我的新模型中，我有一个称为“v2”的权重张量（它具有与“v1”张量相同的形状）。现在我想将保存的变量“v1”加载到我的“v2”权重张量，或者甚至更好地将这个“v1”权重加载到我的新图中的多个张量。

这甚至可能吗？如果是这样，我该怎么做？

Answer 1

我找到了解决此问题的解决方法。

您可以做的是将变量值直接保存到磁盘，可以是值，也可以是带有密钥作为张量名称和值的字典。例如：

vars_dict = {}
for tensor in (list_of_tensors_you_want_to_save):
     vars_dict[tensor.name] = sess.run(tensor)

然后，您可以将此字典中的任何变量加载到您想要的任何其他变量。

在我的例子中，假设原始张量被称为＆＃34; v1＆＃34;我要加载的两个张量是＆＃34; v2＆＃34;和＆＃34; v3＆＃34;，可以完成以下工作：

tensor_to_load_1 = tf.get_default_graph().get_tensor_by_name("v2")
tensor_to_load_2 = tf.get_default_graph().get_tensor_by_name("v3")

assign_op_1 = tf.assign(tensor_to_load_1, vars_dict["v1"])
assign_op_1 = tf.assign(tensor_to_load_2, vars_dict["v1"])

sess.run([assign_op_1, assign_op_2])

当然，这仅限于＆＃34; v1＆＃34;，＆＃34; v2＆＃34;和＆＃34; v3＆＃34;必须具有相同的形状。

使用此示例代码，您可以保存所有变量并将其加载到您想要的任何其他变量，而无需原始图形与当前变量匹配。

将特定TensorFlow变量还原到特定层（按名称还原）

1 个答案: