提取神经网络中参数（放入numpy矩阵中）的方法

参考：https://blog.csdn.net/leviopku/article/details/78510977

最近需要把resnet中的参数（权重，偏置）从网络中取出来分析，网上资料很少，怼了一下午算是成功了，记录一下。

选择的框架是TF，因为pytorch提出来的参数数据结构复杂，而TF可以直接变为numpy。

思路就是先把所有参数用tf.train.NewCheckpointReader 和 get_variable_to_shape_map()
变为字典。Key就是网络结构的名字，然后用一个循环，提取每层的参数，并reshape为行向量（因为维度变化大，所以要先求参数量），然后拼接到初始的矩阵中。

最后初始矩阵就会变为结果矩阵。

代码如下：

代码中未显示全的是tf模型ckpt文件的路径。