4

我已成功将重新训练的 InceptionV3 NN 导出为 TensorFlow 元图。我已经成功地将这个 protobuf 读回 python，但是我很难找到一种方法来导出每个层的权重和偏差值，我假设它们存储在元图 protobuf 中，用于在 TensorFlow 之外重新创建 nn。

我的工作流程是这样的：

Retrain final layer for new categories
Export meta graph tf.train.export_meta_graph(filename='model.meta')
Build python pb2.py using Protoc and meta_graph.proto
Load Protobuf:

import meta_graph_pb2
saved = meta_graph_pb2.CollectionDef()
with open('model.meta', 'rb') as f:
  saved.ParseFromString(f.read())

从这里我可以查看图表的大部分方面，比如节点名称等，但我认为我的经验不足使得很难找到正确的方法来访问每个相关层的权重和偏差值。

4

1 回答 1

9

MetaGraphDef原型实际上并不包含权重和偏差的值。相反，它提供了一种将 aGraphDef与存储在一个或多个检查点文件中的权重相关联的方法，该文件由 a 编写tf.train.Saver。MetaGraphDef教程有更多细节，但大致结构如下：

  1. 在您的训练程序中，使用tf.train.Saver. 这也会将 a 写入同一目录中MetaGraphDef的文件。.meta

    saver = tf.train.Saver(...)
# ...
saver.save(sess, "model")

    您应该在检查点目录中找到名为model.metaand的文件model-NNNN（对于某些整数NNNN）。

  2. 在另一个程序中，您可以导入MetaGraphDef刚刚创建的文件，然后从检查点恢复。

    saver = tf.train.import_meta_graph("model.meta")
saver.restore("model-NNNN")  # Or whatever checkpoint filename was written.

    如果要获取每个变量的值，可以（例如）在tf.all_variables()集合中找到该变量并将其传递给以sess.run()获取其值。例如，要打印所有变量的值，您可以执行以下操作：

    for var in tf.all_variables():
  print var.name, sess.run(var)

    您还可以过滤tf.all_variables()以查找您尝试从模型中提取的特定权重和偏差。

于 2016-08-24T23:24:04.890 回答