修改网络中的参数取值代码

最新推荐文章于 2024-05-03 14:22:45 发布

波波虾遁地兽

最新推荐文章于 2024-05-03 14:22:45 发布

阅读量394

点赞数

文章标签：深度学习

本文链接：https://blog.csdn.net/zlb872551601/article/details/115603827

版权

代码可以参考：使用tensorflow的模型文件，修改参数名称和数值，合并两个模型等

我们的写法也是类似这个博客的写法。

def main():
if not os.path.exists(args.new_checkpoint_path):
os.makedirs(args.new_checkpoint_path)
with tf.Session() as sess:
new_var_list=[] #新建一个空列表存储更新后的Variable变量
for var_name, _ in tf.contrib.framework.list_variables(args.checkpoint_path): #得到checkpoint文件中所有的参数（名字，形状）元组
var = tf.contrib.framework.load_variable(args.checkpoint_path, var_name) #得到上述参数的值
new_name = var_name
new_name = args.add_prefix + new_name #在这里加入了名称前缀，大家可以自由地作修改
#除了修改参数名称，还可以修改参数值（var）
print('Renaming %s to %s.' % (var_name, new_name))
renamed_var = tf.Variable(var, name=new_name) #使用加入前缀的新名称重新构造了参数
new_var_list.append(renamed_var) #把赋予新名称的参数加入空列表
print('starting to write new checkpoint !')
saver = tf.train.Saver(var_list=new_var_list) #构造一个保存器
sess.run(tf.global_variables_initializer()) #初始化一下参数（这一步必做）
model_name = 'deeplab_resnet_altered' #构造一个保存的模型名称
checkpoint_path = os.path.join(args.new_checkpoint_path, model_name) #构造一下保存路径
saver.save(sess, checkpoint_path) #直接进行保存
print("done !")
if __name__ == '__main__':
main()

关注