tensorflow之inception_v3模型的部分加载及权重的部分恢复（23）---《深度学习》

大家都知道，在加载模型及对应的权重进行训练的时候，我们可以整个使用所提供的模型，但是有时候呢？所提供的模型不能很好的满足我们的要求，有时候我们只需要模型的前几层然后进行对应的权重赋值，这时候，我们应该怎么办呢？tensorflow为我们提供了两种方法（探索了好久才找到解决办法，不过感觉蛮有用的，分享给大家啦！）：

1）在加载模型的时候，使用final_endpoint参数，指定模型阶段点：

import tensorflow.contrib.slim.nets as nets
#from tensorflow.contrib.slim.nets.inception import inception_v3, inception_v3_arg_scope
import numpy as np
import os

height = 299
width = 299
channels = 3
num_classes=1001

X = tf.placeholder(tf.float32, shape=[None, height, width, channels])
y = tf.placeholder(tf.float32,shape=[None,182])
with slim.arg_scope(nets.inception.inception_v3_arg_scope()):
    logits, end_points = nets.inception.inception_v3_base(X,final_endpoint = "Mixed_7a")
    variables_to_restore=slim.get_variables_to_restore()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    saver=tf.train.Saver(variables_to_restore)
    saver.restore(sess,os.path.join("E:\\","inception_v3.ckpt"))
    print("Done")

2）在恢复模型的时候，部分层不使用ckpt文件中提供的参数：

#-*-coding=utf-8-*-
import tensorflow as tf
import tensorflow.contrib.slim as slim
import tensorflow.contrib.slim.nets as nets
#from tensorflow.contrib.slim.nets.inception import inception_v3, inception_v3_arg_scope
import numpy as np
import os

height = 299
width = 299
channels = 3
num_classes=1001

X = tf.placeholder(tf.float32, shape=[None, height, width, channels])
y = tf.placeholder(tf.float32,shape=[None,182])
with slim.arg_scope(nets.inception.inception_v3_arg_scope()):
    logits, end_points = nets.inception.inception_v3(X, num_classes=num_classes,is_training=False)
with tf.Session() as sess:
    exclude=['Mixed_7c','Mixed_7b','AuxLogits','AuxLogits','Logits','Predictions']
    variables_to_restore=slim.get_variables_to_restore(exclude=exclude)
    sess.run(tf.global_variables_initializer())
    saver=tf.train.Saver(variables_to_restore)
    saver.restore(sess,os.path.join("E:\\","inception_v3.ckpt"))
    print("Done")

需要的inception_v3.ckpt
参考：tensorflow选择性读取权重