时间:2021-05-22
核心代码如下:
[tensor.name for tensor in tf.get_default_graph().as_graph_def().node]实例代码:(加载了Inceptino_v3的模型,并获取该模型所有节点的名称)
# -*- coding: utf-8 -*- import tensorflow as tfimport os model_dir = 'C:/Inception_v3'model_name = 'output_graph.pb' # 读取并创建一个图graph来存放训练好的 Inception_v3模型(函数)def create_graph(): with tf.gfile.FastGFile(os.path.join( model_dir, model_name), 'rb') as f: # 使用tf.GraphDef()定义一个空的Graph graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) # Imports the graph from graph_def into the current default Graph. tf.import_graph_def(graph_def, name='') # 创建graphcreate_graph() tensor_name_list = [tensor.name for tensor in tf.get_default_graph().as_graph_def().node]for tensor_name in tensor_name_list: print(tensor_name,'\n')输出结果:
mixed_8/tower/conv_1/batchnorm/moving_variance mixed_8/tower/conv_1/batchnorm r_1/mixed/conv_1/batchnorm ...mixed_10/tower_1/mixed/conv_1/CheckNumerics mixed_10/tower_1/mixed/conv_1/control_dependency mixed_10/tower_1/mixed/conv_1 pool_3 pool_3/_reshape/shape pool_3/_reshape input/BottleneckInputPlaceholder ....final_training_ops/weights/final_weights final_training_ops/weights/final_weights/read final_training_ops/biases/final_biases final_training_ops/biases/final_biases/read final_training_ops/Wx_plus_b/MatMul final_training_ops/Wx_plus_b/add final_result由于结果太长了,就省略了一些。
如果不想这样print输出也可以将其写入txt 查看。
写入txt代码如下:
tensor_name_list = [tensor.name for tensor in tf.get_default_graph().as_graph_def().node] txt_path = './txt/节点名称'full_path = txt_path+ '.txt' for tensor_name in tensor_name_list: name = tensor_name + '\n' file = open(full_path,'a+')file.write(name)file.close()以上这篇TensorFlow获取加载模型中的全部张量名称代码就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
一、TensorFlow常规模型加载方法保存模型tf.train.Saver()类,.save(sess,ckpt文件目录)方法参数名称功能说明默认值var_l
本文实例为大家分享了Tensorflow之MNISTCNN实现并保存、加载模型的具体代码,供大家参考,具体内容如下废话不说,直接上代码#TensorFlowan
在TensorFlow中,权重的初始化主要是在声明张量的时候进行的。而PyTorch则提供了另一种方法:首先应该声明张量,然后修改张量的权重。通过调用torch
TensorFlow保存模型代码importtensorflowastffromtensorflow.python.frameworkimportgraph_u
tensorflow模型保存为saver=tf.train.Saver()函数,saver.save()保存模型,代码如下:importtensorflowas