Tensorflow 读取网络中的参数

Tensorflow 读取网络中的参数

使用Tensorflow得到的结构，读取参数：
方法一：
首先确定网络建立过程中，给每个weight和bias 命名，例如：

weight2 = {
  'wc1': tf.Variable(tf.random_normal([3, 3, 1, 64], stddev=0.01),name='w1'), 
  'wc2': tf.Variable(tf.random_normal([3, 3, 64, 1], stddev=0.01),name='w2'),  
  'wc3': tf.Variable(tf.random_normal([9, 9, 1, 64], stddev=0.01),name='w3')
  }

其中的name很重要。
通过训练网络保存参数：

#模型存储：
model_save_path = './multi_cnn/model_cnn/' 
model_name = 'model.ckpt'
saver = tf.train.Saver(tf.all_variables())

checkpoint_path = os.path.join(model_save_path, model_name)
saver.save(sess, checkpoint_path, global_step=epoch)

通过上述存储，然后读取存储模型中的参数：

with tf.Session() as sess:
   ckpt = tf.train.get_checkpoint_state('./model_cnn/')
   saver = tf.train.import_meta_graph(ckpt.model_checkpoint_path+'.meta')
   saver.restore(sess, ckpt.model_checkpoint_path)
   graph = tf.get_default_graph()
   fc1 = graph.get_tensor_by_name("w1:0")
   fc2 = graph.get_tensor_by_name("w7:0")
   fc3 = graph.get_tensor_by_name("w8:0")
   print fc #得到的是shape
   print sess.run(fc1)   #这样可以输出参数
   print sess.run(fc2)   
   print sess.run(fc3)