TensorFlow只加载部分权重

最新推荐文章于 2023-03-08 20:22:43 发布

MarTin Guo

最新推荐文章于 2023-03-08 20:22:43 发布

阅读量3.5k

点赞数 1

分类专栏： tensorflow 文章标签： tensorflow python 加载部分权重

本文链接：https://blog.csdn.net/Geoffrey_MT/article/details/81197668

版权

tensorflow 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

var =  tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope="resnet_50/block1")
saver = tf.train.Saver(var_list=var)
saver.restore(sess, "resnet_50.ckpt")

以上代码段为resnet_50的网络只加载name_scope为(resnet_50/block1)内的变量，即指定某一name_scope内的变量进行加载。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

MarTin Guo

关注关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

tensorflow 加载部分变量

u011961856的专栏

08-07

10000

tensorflow模型保存为saver = tf.train.Saver()函数,saver.save()保存模型,代码如下: import tensorflow as tf v1= tf.Variable(tf.random_normal([784, 200], stddev=0.35), name="v1") v2= tf.Variable(tf.zeros([200]), name="

tensorflow模型的加载及保存，以及在C++端的部署

weixin_44708254的博客

12-06

353

在实际测试中，发现用第二种方法保存的pb模型，经过冻结处理后，也可以被正常调用。文章里说明，需要用第一部分所介绍的模型保存方法中的第三种方法，便于C++部署。文件，该文件与tf1.x生成的pb文件类似，里面具备完整的图结构和所有参数。实现静态图转换，生成一个。

参与评论您还未登录，请先登录后发表或查看评论

迁移学习之--tensorflow选择性加载权重

热门推荐

Double_V的博客

09-28

1万+

迁移学习的实现需要网络在其他数据集上做预训练，完成参数调优工作，然后拿预训练好的参数在新的任务上做fine-tune，但是有时候可能只需要预训练的网络的一部分权重，本文主要提供一个方法如何在tf上加载想要加载的权重。在使用tensorflow加载网络权重的时候，直接使用tf.train.Saver().restore(sess, ‘ckpt’)的话是直接加载了全部权重，我们可能只需要加载网络的...

Tensorflow-加载权重过滤不需要的变量（选择性加载）

秀呀秀的博客

08-02

648

sess = tf.Session() init = tf.global_variables_initializer() sess.run(init) saver = tf.train.Saver() if not args.model_path == '': # saver.restore(sess, args.model_path) ################ 删除不同类别的变量 ################ # var = tf.global_variables() .

TensorFlow预训练模型在新图中权重部分加载

Beryl的博客

10-09

694

首先对预训练模型的scope一定要做好定义，不然恢复起来会比较麻烦。这里使用tf.get_collection() 1、tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES,scope='name') tf.get_collection( key, scope=None ) Args: key: The key for t...

tensorflow ---如何只更新部分参数

Buevara的博客

11-12

972

trainable_vars = tf.trainable_variables() freeze_conv_var_list = [t for t in trainable_vars if not t.name.startswith(u'conv')] grads = opt.compute_gradients(loss, var_list=freeze_conv_var_list) 参考：https://www.cnblogs.com/hrlnw/p/10400057.html 在优化时，默认是计算更新

基于tensorflow加载部分层的方法

09-20

本文介绍了如何在TensorFlow中加载部分层次的参数，并且在加载这些参数之后如何重新初始化不希望使用的剩余层次。首先，TensorFlow作为一款流行的深度学习框架，提供了丰富的API支持模型的构建、训练和预测。在...

tensorflow输出权重值和偏差的方法

09-20

在TensorFlow中，训练神经网络模型时，权重和偏差是模型的重要组成部分，它们决定了模型的预测能力和学习能力。本文将详细介绍如何在TensorFlow中输出权重值和偏差。首先，当模型训练完成后，我们通常会使用...

基于tensorflow2.x实现bert及其变体的预训练模型加载架构.zip

最新发布

01-07

2. 预训练模型加载：提供加载预训练权重的功能，这一步对于复用预训练模型至关重要。 3. 微调接口：设计了用于下游任务微调的API，用户可以方便地接入自己的数据集和损失函数。 4. 示例和教程：可能包含如何使用该...

Tensorflow slim 选择性读取加载权重

北国觅梦

01-24

660

import os from nets import inception import tensorflow as tf from tensorflow.contrib import slim checkpoints_dir = './tmp/checkpoints' heigh, width, channels, n_class = 224, 224, 3, 3 with tf.Graph()...

tensorflow2 给指定某一层权重赋值的绝骚操作

qq_43309133的博客

05-20

1888

model.weights是不可更改的变量类型，自定义的给层手动赋值绝非易事。直接上代码： # 给第一隐藏层赋值为例 optimizer2 = tf.keras.optimizers.SGD(lr=1.0) layer1 = model.layers[0] # theta1是网络原本带的权重 theta2 = [1,1,1,2,85,54,41] # 自己定义的权重 optimizer2.apply_gradients(zip([theta1-theta2], layer1.trainable_varia

tensorflow加载部分层方法

废柴奶萌兔的博客

04-10

7104

一般使用saver.restore(sess, modeldir + "model.ckpt") 即可加载已经训练好的网络，可是有时候想值使用部分层的参数，这时候可以选择在加载网络之后重新初始化剩下的层 var_list = [weights['wd1'], weights['out'], biases['bd1'], biases['out'], global_step] initfc =

【tensorflow】fine-tuning, 选择性加载ckpt部分权重

Shwan_ma的博客

12-22

6626

在上一篇的转载博客中http://blog.csdn.net/shwan_ma/article/details/78874696中，我发现用slim可以很方便的选择性的从ckpt文件中加载所要的数据。以我自己的代码为例：exclude = ['layer_weight','WD2_conv', 'BD2'] variables_to_restore=slim.get_variables_to_res

[tensorflow]从Keras加载、保存模型、显示模型权重

condom10010的博客

03-08

988

构建模型，并加载imagenet预训练权重。加载本地模型-方式1。加载本地模型-方式2。显示模型的结构和参数。

tensorflow 载入多个模型权重

心之所向

06-13

1513

# 载入预训练参数 tvars = tf.trainable_variables() initialized_variable_names = {} scaffold_fn = None if init_checkpoint: #init_checkpoint为模型参数文件 for in...

Tensorflow 预训练权重有选择加载参数

这些个事儿

03-08

4561

训练自己的模型我们一般都会使用预训练权重，有时别人训练好的模型类别与自己的不符合，这个时候就不需要加载一些层的参数. 由于原网络权重为150类，我只需要几类，最后一层的conv带有num_class参数，所以“your name scope” 替换为不需要的层的name,加载模型的时候就不会加载这层的参数。 sess = tf.Session() init = tf.glob...

TensorFlow如何加载部分模型

runningwei的博客

01-04

5410

查看TensorFlow checkpoint文件中的变量名和对应值 from tensorflow.python import pywrap_tensorflow checkpoint_path = os.path.join(model_dir, "model.ckpt") reader = pywrap_tensorflow.NewCheckpointReader(checkpoint_p...

Tensorflow2.0 用 tf.keras.applacations 迁移学习时如何在导入 imagenet 权重的同时保留分类层

cocofisher的博客

02-03

601

项目说明在 Tensorflow2.0之tf.keras.applacations迁移学习一文中，我们演示了如何将迁移学习层和自定义的分类层结合起来使用，但这里有个问题，就是当你再次打印结合后的模型的每层的名称时，会出现如下情况： import tensorflow as tf mobile = tf.keras.applications.MobileNet(include_top=False, weights='imagenet', input_shape=(224, 224, 3)) mobile

在一个项目中导入多个不同tensorflow模型

搬砖笔记

01-18

8608

刚开始直接采用调用一个模型的方法：（1）定义网络（2）新建sess：sess = tf.Session(config=config) （3）定义saver：saver = tf.train.Saver() （4）导入权重：saver.restore(sess, xxx) 但是，如果在一个项目中同时导入多个模型，会报错，应该是graph冲突，所以需要给每个模型单独新建graph：g1 =

如何用TensorFlow加载模型权重

05-24

在 TensorFlow 中，可以使用 `tf.keras.models.load_model()` 方法来加载已经保存的模型权重。该方法可以接收一个保存模型权重的文件路径作为参数，并返回一个已经编译好的模型。以下是一个简单的示例： ```python ...