Tensorflow中查看权重

最新推荐文章于 2022-04-20 17:21:15 发布
最新推荐文章于 2022-04-20 17:21:15 发布
阅读量1w 收藏 14
点赞数 4
分类专栏： Tensorflow学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011049256/article/details/82869262
版权
这篇博客介绍了在 TensorFlow 中查看权重的方法，特别是通过 `tf.layers.dense` 创建的全连接层。作者分享了两个步骤来查看权重：1) 使用 `tf.trainable_variables()` 查看变量；2) 通过 `tf.get_default_graph().get_tensor_by_name()` 获取特定权重。此外，还更新了使用 `tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope)` 来查看特定作用域下的可训练变量。" 82830727,7368280,Android 7.0及以上版本APP自动升级权限处理,"['Android开发', '权限管理', 'APP升级', 'FileProvider']
摘要由CSDN通过智能技术生成

刚开始学习tensorflow，还不太会用，开个博记录，今天遇到一个问题是用tf.layers.dense创建的全连接层，如何查看权重？

知道kernel表示了权重，但是如何提示成变量？

我分成两步：

1、查看tensor：tf.trainable_variables()

命令行里中运行即可，如下图：

可以看到tensor的name，或用更简洁的方式：variable_name = [v.name for v in tf.trainable_variables()]

运行后，trainable_variable()即存入variable_name中：

2、获取权重：tf.get_default_graph().get_tensor_by_name('variable_name')

如：w1=tf.get_default_graph().get_tensor_by_name('Actor/l1/kernel:0')

即可根据get tensor by name

菜鸟的笨方法^-^

——————————————————————————————————————————————

更新：tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,scope)也可查看，可得到某scope下的tensor

即从某scope的tf.GraphKeys.TRAINABLE_VARIABLES中取出所有变量，是一个列表

 

 

龙本
关注
  • 4
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
在Tensorflow中查看权重的实现
09-18
今天小编就为大家分享一篇在Tensorflow中查看权重的实现，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tensorflow 查看网络权重
Achhhe的博客
10-26 2523
1.查看变量名：tf.trainable_variables() 利用tf.trainable_variables()可以得到变量的名字，如下所示 为了更直观清晰，可以用v_names=[v.name for v in tf.trainable_variables()]将名字存为list，如下图 2.根据名字获取权重：tf.get_default_graph()....
Tensorflow读取并输出已保存模型的权重数值方式
09-18
今天小编就为大家分享一篇Tensorflow读取并输出已保存模型的权重数值方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看不看
tensorflow查看权重参数值
andeyeluguo的博客
07-24 1万+
每个框架都有查看权重参数的机制，在tenstensorflow中 查看的例子如下 import tensorflow as tf import numpy as np reader = tf.train.NewCheckpointReader('model-100') all_variables = reader.get_variable_to_shape_map() w0 = reader...
TensorFlow读取已经训练好的权重进行预测
weixin_43199534的博客
03-13 2072
saver.restore()函数 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # In[2]: #载入数据集 mnist = input_data.read_data_sets("MNIST_data",one_hot=True) #每个批次100张照片 batch_...
TensorFlow中权重的随机初始化的方法
09-20
本文将重点介绍TensorFlow中权重的随机初始化方法，这包括标准正态分布初始化和截断正态分布初始化，以及这些初始化方法的参数意义和使用场景。 首先，标准正态分布初始化，也就是权重从均值为0，标准差为1的正态...
tensorflow 模型权重导出实例
09-18
在TensorFlow中，模型训练完成后，我们经常需要将模型的权重保存以便后续使用或迁移至其他框架。在TensorFlow中，通常使用`tf.train.Saver().save`函数来保存模型的权重，它会生成`.ckpt`（checkpoint）文件。然而，...
神经网络 权重可视化
weixin_39709476的博客
04-17 7223
深度学习已经应用在各种不同的领域，并且都取得了不错的效果，但是在很多情况下，深度学习网络被我们看做一个黑匣子，我们不知道通过训练，我们的网络到底学习到了什么。今天给大家分享一个简单的权重可视化的方法，在我们训练完网络之后，可以通过权重可视化，直观的理解网络到底学习到了什么。本次实验基于MNIST数据集，通过建立一个两层的神经网络，采用softmax对数据集进行分类。训练完成之后，就可以看到网络的权...
TensorFlow中对训练后的神经网络参数（权重、偏置）提取
热门推荐
木盏
11-12 2万+
基于TensorFlow可以轻而易举搭建一个神经网络，而且很好地支持GPU加速训练。但基于TensorFlow的预测过程，往往需要在嵌入式设备上才能得以应用。对于我目前做的工作而言，用TF搭建神经网络以及用GPU加速训练过程的主要用处就是：获取训练后的参数（权重和偏置），将这些参数直接放到嵌入式板卡如FPGA中，以其低功耗、高性能、低延时等特点完成嵌入式AI工程。那么，提取出TF训练后的参数变成很
TensorFlow1（一）全连接神经网络识别mnist数据集
touxing777的博客
04-20 2235
首先我们来介绍一下mnist数据集 MNIST数据集由Yann LeCun搜集，是一个大型的手写体数字数据库，通常用于训练各种图像处理系统，也被广泛用于机器学习领域的训练和测试。MNIST数字文字识别数据集数据量不会太多，而且是单色的图像，较简单，适合深度学习初学者练习建立模型、训练、预测。MNIST数据库中的图像集是NIST（National Institute of Standards and Technology）的两个数据库的组合：专用数据库1和特殊数据库3。数据集是有250人手写数字组成，一半
tensorflow和pytorch设置和查看权重
qq_45759229的博客
04-13 2189
pytorch import numpy as np import torch.nn as nn import random import os import torch import seaborn as sns import matplotlib.pyplot as plt def seed_torch(seed=42): random.seed(seed) os.environ['PYTHONHASHSEED'] = '0' np.random.seed(seed)
Tensorflow查看某一层的权重
qwexdl的博客
05-26 2680
一、查看权重name. 1.1 tf.trainable_variables() for v in tf.trainable_variables(): print(v) 这个的运行无需sess. 1.2 举例: dense层. with tf.variable_scope("generation"): o = tf.layers.dense(i, units=10) 那么该dense的权重名即为generation/dense/kernel:0，偏置即为generation/dense/bias:0
Tensorflow读取并输出已保存模型的权重数值
AManFromEarth的博客
07-15 1万+
这篇文章是为了对网络模型的权重输出，可以用来转换成其他框架的模型。 import tensorflow as tf from tensorflow.python import pywrap_tensorflow #首先，使用tensorflow自带的python打包库读取模型 model_reader = pywrap_tensorflow.NewCheckpointReader(r"mo...
tensorflow 获取变量&打印权值等方法
cassiePython的专栏
01-27 1万+
tensorflow 获取变量&打印权值等方法 在使用tensorflow中，我们常常需要获取某个变量的值，比如：打印某一层的权重，通常我们可以直接利用变量的name属性 来获取，但是当我们利用一些第三方的库来构造神经网络的layer时，存在一种情况：就是我们自己无法定义该层的变量，因为 是自动进行定义的。比如用tensorflow的slim库时
将TensorFlow的网络导出为单个文件
EncodeTS的博客
01-14 6746
有时候，我们需要将TensorFlow的模型导出为单个文件（同时包含模型架构定义与权重），方便在其他地方使用（如在c++中部署网络）。利用`tf.train.write_graph()`默认情况下只导出了网络的定义（没有权重），而利用`tf.train.Saver().save()`导出的文件graph_def与权重是分离的，因此需要采用别的方法。
tensorflow 输出权重 到csv或txt
Talk Is Cheap
12-16 6707
import numpy as np W_val, b_val = sess.run([weights_tensor, biases_tensor]) np.savetxt("W.csv", W_val, delimiter=",") np.savetxt("b.csv", b_val, delimiter=",")
提取tensorflow lstm权重 和 中间层输出
koibiki的博客
10-17 9553
@tf_export("nn.rnn_cell.BasicLSTMCell") class BasicLSTMCell(LayerRNNCell): input_depth = inputs_shape[1].value h_depth = self._num_units self._kernel = self.add_variable( _WEIGHTS_VARIABLE_NAME,...
tensorflow训练过程中查看权重、偏置
weixin_37340613的博客
09-02 1641
获取所有variables vars = slim.get_trainable_variables('resnet_v2_50') 根据tensor名称输出权重、偏置 sess.run(tf.get_default_graph().get_tensor_by_name("resnet_v2_50/conv4/weights:0")) ...
tensorflow提取网络权重
最新发布
09-20
在 TensorFlow 中提取网络权重可以使用 tf.train.Saver() 类来保存和加载模型参数。下面是一个示例代码，用于保存和加载一个简单的全连接神经网络的权重： ```python import tensorflow as tf # 定义一个简单的全连接神经网络 x = tf.placeholder(tf.float32, [None, 784]) W = tf.Variable(tf.zeros([784, 10])) b = tf.Variable(tf.zeros([10])) y = tf.nn.softmax(tf.matmul(x, W) + b) # 创建一个 Saver 对象 saver = tf.train.Saver() # 加载模型参数并提取权重 with tf.Session() as sess: saver.restore(sess, './model.ckpt') # 加载模型参数 weights = sess.run(W) # 提取权重 # 打印权重 print(weights) ``` 在上面的代码中，我们首先定义了一个简单的全连接神经网络，并创建了一个 Saver 对象。在推理过程中，我们使用 saver.restore() 方法加载模型参数，并使用 sess.run() 方法运行 W 变量，从而提取权重。最后，我们打印出权重的值。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值