【tensorflow】打印Tensorflow graph中的所有需要训练的变量--tf.trainable_variables()

一般来说，打印tensorflow变量的函数有两个：
tf.trainable_variables () 和 tf.all_variables()
不同的是：
tf.trainable_variables () 指的是需要训练的变量
tf.all_variables() 指的是所有变量

一般而言，我们更关注需要训练的训练变量：
值得注意的是，在输出变量名时，要对整个graph进行初始化

一、打印需要训练的变量名称

variable_names = [v.name for v in tf.trainable_variables()]
print(variable_names)

二、打印需要训练的变量名称和变量值

variable_names = [v.name for v in tf.trainable_variables()]
values = sess.run(variable_names)
for k,v in zip(variable_names, values):
	print("Variable: ", k)
	print("Shape: ", v.shape)
	print(v)

这里提供一个函数，打印变量名称，shape及其变量数目

def print_num_of_total_parameters(output_detail=False, output_to_logging=False):
	total_parameters = 0
	parameters_string = ""

	for variable in tf.trainable_variables():

		shape = variable.get_shape()
		variable_parameters = 1
		for dim in shape:
			variable_parameters *= dim.value
		total_parameters += variable_parameters
		if len(shape) == 1:
			parameters_string += ("%s %d, " % (variable.name, variable_parameters))
		else:
			parameters_string += ("%s %s=%d, " % (variable.name, str(shape), variable_parameters))

	if output_to_logging:
		if output_detail:
			logging.info(parameters_string)
		logging.info("Total %d variables, %s params" % (len(tf.trainable_variables()), "{:,}".format(total_parameters)))
	else:
		if output_detail:
			print(parameters_string)
		print("Total %d variables, %s params" % (len(tf.trainable_variables()), "{:,}".format(total_parameters)))