Tensorflow：我如何将numpy预先训练的权重分配给图的子部分？

这是一件简单的事情，我就是不知道怎么做

我使用来自的github代码将预先训练好的VGG caffe模型转换为tensorflow，并将其保存到vgg16.npy

然后，我使用以下方式将网络加载到sess默认会话中，即“网络”：

在net.load之后，我得到一个带有张量列表的图。我可以使用net.layers['conv1_1']访问每个层的单个张量。。。获取第一个VGG卷积层的权重和偏差等

现在假设我制作了另一个图形，它的第一层是“h_conv1_b”：

---

我的问题是——如何将预先训练好的权重从net.layers['conv1_1']分配给h_conv1_b？？（两个现在都是张量）

您可以使用

tf.variable

-s方法从第一个网络获取变量值，并使用方法（也是

tf.variable

方法）将这些值加载到第二个网络的变量中。

我建议您从中详细查看，尤其是函数

load（）

。它将帮助您了解调用

net.load（weight\u path，session）

时发生了什么

仅供参考，可以使用会话中执行的

var.assign（np\u数组）

将Tensorflow中的变量分配给numpy数组。以下是您问题的解决方案：

with tf.Session() as sess:    
  W_conv1_b = weight_variable([3,3,3,64])
  sess.run(W_conv1_b.assign(net.layers['conv1_1'].weights))
  b_conv1_b = bias_variable([64])
  sess.run(b_conv1_b.assign(net.layers['conv1_1'].biases))
  h_conv1_b = tf.nn.relu(conv2d(im_batch, W_conv1_b) + b_conv1_b)

我谨提醒你以下几点：

var.assign（data）

其中“data”是一个numpy数组，“var”是一个TensorFlow变量，应在您希望继续执行网络推理或训练的同一会话中执行

默认情况下，“var”应创建为与“data”相同的形状。因此，如果您可以在创建“var”之前获取“data”，我建议您通过方法

var=tf.Variable（shape=data.shape）

创建“var”。否则，您需要通过方法

var=tf.Variable（validate\u shape=False）

创建“var”，这意味着变量形状是可行的。详细的解释可以在Tensorflow的API文档中找到

---

我扩展了相同的repo-caffe-tensorflow，以支持caffe中的theano，从而可以在theano中加载来自caffe的转换模型。因此，我是一个合理的专家w.r.t这回购的代码。如果您有任何进一步的问题，请随时与我联系。

您似乎在说您的

net.load（）

已将内容加载到TF张量中。那么，到底是什么阻止您简单地执行

W_conv1_b=net.layers['conv1_1'].weights

之类的操作呢？

  W_conv1_b = weight_variable([3,3,3,64])
  b_conv1_b = bias_variable([64])
  h_conv1_b = tf.nn.relu(conv2d(im_batch, W_conv1_b) + b_conv1_b)

with tf.Session() as sess:    
  W_conv1_b = weight_variable([3,3,3,64])
  sess.run(W_conv1_b.assign(net.layers['conv1_1'].weights))
  b_conv1_b = bias_variable([64])
  sess.run(b_conv1_b.assign(net.layers['conv1_1'].biases))
  h_conv1_b = tf.nn.relu(conv2d(im_batch, W_conv1_b) + b_conv1_b)