tensorflow saver 保存和恢复指定 tensor

原创 2017年04月25日 10:36:19

在实践中经常会遇到这样的情况:

1, 用简单的模型预训练参数

2, 把预训练的参数导入复杂的模型后训练复杂的模型

这时就产生一个问题:

                如何加载预训练的参数。

下面就是我的总结。

为了方便说明,做一个假设:               简单的模型只有一个卷基层,复杂模型有两个。

                卷积层的实现代码如下:

import tensorflow as tf
# PS:本篇的重担是saver,不过为了方便阅读还是说明下参数
# 参数
# name:创建卷基层的代码这么多,必须要函数化,而为了防止变量冲突就需要用tf.name_scope
# input_data:输入数据
# width, high:卷积小窗口的宽、高
# deep_before, deep_after:卷积前后的神经元数量
# stride:卷积小窗口的移动步长
def make_conv(name, input_data, width, high, deep_before,deep_after, stride, padding_type='SAME'):
    global parameters
    with tf.name_scope(name) asscope:
        weights =tf.Variable(tf.truncated_normal([width, high, deep_before, deep_after],
            dtype=tf.float32,stddev=0.01), trainable=True, name='weights')
        biases =tf.Variable(tf.constant(0.1, shape=[deep_after]), trainable=True, name='biases')
        conv =tf.nn.conv2d(input_data, weights, [1, stride, stride, 1], padding=padding_type)
        bias = tf.add(conv,biases)
        bias = batch_norm(bias,deep_after, 1) # batch_norm是自己写的batchnorm函数
        conv =tf.maximum(0.1*bias, bias)
        return conv

简单的预训练模型就下面一句话

conv1 =make_conv('simple-conv1', images, 3, 3, 3, 32, 1)

复杂的模型是两个卷基层,如下:

conv1 = make_conv('complex-conv1',images, 3, 3, 3, 32, 1)
pool1= make_max_pool('layer1-pool1', conv1, 2, 2)
conv2= make_conv('complex-conv2', pool1, 3, 3, 32, 64, 1)

这时简简单单的在预训练模型中:

saver = tf.train.Saver()
with tf.Session() as sess:
    saver.save(sess,'model.ckpt')

就不行了,因为:

    1,如果你在预训练模型中使用下面的话打印所有tensor

all_v =tf.global_variables()
for i in all_v:  print  i

    会发现tensor的名字不是weights和biases,而是'simple-conv1/weights和'simple-conv1/biases,如下:

        <tf.Variable'simple-conv1/weights:0' shape=(3, 3, 3, 32) dtype=float32_ref>

        <tf.Variable'simple-conv1/biases:0' shape=(32,) dtype=float32_ref>

        <tf.Variable 'simple-conv1/Variable:0' shape=(32,)dtype=float32_ref>

        <tf.Variable 'simple-conv1/Variable_1:0' shape=(32,)dtype=float32_ref>

        <tf.Variable 'simple-conv1/Variable_2:0' shape=(32,)dtype=float32_ref>

        <tf.Variable 'simple-conv1/Variable_3:0' shape=(32,)dtype=float32_ref>

    同理,在复杂模型中就是complex-conv1/weights和complex-conv1/biases,这是对不上号的。

     2,预训练模型中只有1个卷积层,而复杂模型中有两个,而tensorflow默认会从模型文件('model.ckpt')中找所有的“可训练的”tensor,找不到会报错。

解决方法:

    1,在预训练模型中定义全局变量

parm_dict={}

    并在“return conv”上面添加下面两行

parm_dict['complex-conv1/weights']= weights
parm_dict['complex-conv1/']= biases

    然后在定义saver时使用下面这句话:

saver= tf.train.Saver(parm_dict)

    这样保存后的模型文件就对应到复杂模型上了。

    2,在复杂模型中定义全局变量

parameters= []

    并在“return conv”上面添加下面行

parameters+= [weights, biases]

    然后判断如果是第二个卷积层就不更新parameters。

    接着在定义saver时使用下面这句话:

saver= tf.train.Saver(parameters)

    这样就可以告诉saver,只需要从模型文件中找weights和biases,而那些什么complex-conv1/Variable~ complex-conv1/Variable_3统统滚一边去(上面红色部分)。

    最后使用下面的代码加载就可以了                              

with tf.Session() as sess:
    ckpt= tf.train.get_checkpoint_state('.')
    if ckpt and ckpt.model_checkpoint_path:
        saver.restore(sess,ckpt.model_checkpoint_path)
    else:
        print '  no saver.'
        exit()                    





                    
版权声明:本文为博主原创文章,未经博主允许不得转载。

Tensorflow系列——Saver的用法

Saver的用法 1. Saver的背景介绍     我们经常在训练完一个模型之后希望保存训练的结果,这些结果指的是模型的参数,以便下次迭代的训练或者用作测试。Tensorflow针对这一需求提供了S...

TensorFLow 入门 - 用Saver保存和恢复变量

建立文件tensor_save.py, 保存变量v1,v2到checkpoint files中,变量名分别设置为v3,v4。import tensorflow as tf# Create some v...

tensorflow学习笔记(三十四):Saver(保存与加载模型)

Savertensorflow 中的 Saver 对象是用于 参数保存和恢复的。如何使用呢? 这里介绍了一些基本的用法。 官网中给出了这么一个例子:v1 = tf.Variable(..., na...

sklearn、TensorFlow、keras模型保存与读取

一、sklearn模型保存与读取 1、保存from sklearn.externals import joblib from sklearn import svm X = [[0, 0], [1, ...
  • qfzxhy
  • qfzxhy
  • 2017年08月05日 17:29
  • 870

TensorFlow学习笔记(8)--网络模型的保存和读取

之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等,但是这些代码在训练完成之后就直接退出了,并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用...
  • lwplwf
  • lwplwf
  • 2017年03月16日 11:23
  • 20758

Tensorflow lesson 3---变量Variable

Tensorflow中的变量就是一个放在内存中的tensor结构,用于在计算过程中保存数据,变量的数值可以保存到文件中,也可以从文件中读取1.变量的初始化import tensorflow as tf...
  • mwlwlm
  • mwlwlm
  • 2017年05月10日 14:33
  • 650

学习TensorFlow,保存学习到的网络结构参数并调用

在深度学习中,不管使用那种学习框架,我们会遇到一个很重要的问题,那就是在训练完之后,如何存储学习到的深度网络的参数?在测试时,如何调用这些网络参数?针对这两个问题,本篇博文主要探索TensorFlow...
  • helei001
  • helei001
  • 2016年06月17日 09:55
  • 14628

TensorFlow入门(九)使用 tf.train.Saver()保存模型

转载出处:http://blog.csdn.net/Jerr__y/article/details/78594494?locationNum=2&fps=1 关于模型保存的一点心得 ...

tensorflow学习(4):保存模型Saver.save()的参数命名机制以及restore并创建手写字体识别引擎

前言上一章中我们讲到如何训练一个网络,点击查看博客,这章我们来讲tensorflow在保存网络的时候是怎么给不同的参数命名的,以及怎么将保存的参数重新restore到重构的网络结构中的。最后利用重构的...

Tensorflow的模型保存和读取tf.train.Saver

深度学习平台:TensorFlow 目标:训练网络后想保存训练好的模型,以及在程序中读取以保存的训练好的模型。...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:tensorflow saver 保存和恢复指定 tensor
举报原因:
原因补充:

(最多只允许输入30个字)