输出TensorFlow中checkpoint内变量的几种方法

在上一篇关于MDM模型的文章中，作者给出的是基于TensorFlow的实现。由于一些原因，需要将在TF上训练好的模型转换为Caffe，经过一番简化，现在的要需求是只要将TF保存在checkpoint中的变量值输出到txt或npy中即可。这里列了几种简单的可行的方法.

1，最简单的方法，是在有model 的情况下，直接用tf.train.saver进行restore，就像 cifar10_eval.py 中那样。然后，在sess中直接run变量的名字就可以得到变量保存的值。

在这里以cifar10_eval.py为例。首先，在Graph中穿件model。

with tf.Graph().as_default() as g:
    images, labels = cifar10.inputs(eval_data=eval_data)
    logits = cifar10.inference(images)
    top_k_op = tf.nn.in_top_k(logits, labels, 1)

然后， 通过tf.train.ExponentialMovingAverage.variable_to_restore确定需要restore的变量，默认情况下是model中所有trainable变量的movingaverge名字。并建立saver 对象

variable_averages = tf.train.ExponentialMovingAverage(
        cifar10.MOVING_AVERAGE_DECAY)
    variables_to_restore = variable_averages.variables_to_restore()
    saver = tf.train.Saver(variables_to_restore)

variables_to_restore中是变量的movingaverage名字到变量的mapping（就是个字典）。我们可以打印尝试打印里面的变量名，

for name in variables_to_restore:
    print(name)

输出结果为