Python 如何恢复tensorflow接收检查点文件（ckpt）？

我有

inception\u resnet\u v2\u 2016\u 08\u 30.ckpt

文件，这是一个预先培训过的inception模型。我想使用恢复此模型

saver.restore（sess，ckpt\u文件名）

但为此，我将被要求编写在训练此模型时使用的变量集。我在哪里可以找到这些（脚本或详细描述）？

我相信这正是您所需要的

---

编辑：另外，看看

tf.train.NewCheckpointReader

——它有一个

get\u variable\u to\u shape\u map（）

方法。请参阅。

首先，请在内存中获取网络体系结构。您可以从

一旦有了此程序，请使用以下方法来使用模型：

from inception_resnet_v2 import inception_resnet_v2, inception_resnet_v2_arg_scope

height = 299
width = 299
channels = 3

X = tf.placeholder(tf.float32, shape=[None, height, width, channels])
with slim.arg_scope(inception_resnet_v2_arg_scope()):
     logits, end_points = inception_resnet_v2(X, num_classes=1001,is_training=False)

有了它，所有网络都在内存中，现在可以使用tf.train.saver使用检查点文件（ckpt）初始化网络：

saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess, "/home/pramod/Downloads/inception_resnet_v2_2016_08_30.ckpt")

如果你想提取瓶子，很简单，比如说你想从最后一层获取特征，那么你只需声明

predictions=end_points[“Logits”]

如果您想获得其他中间层的名称，可以从上面的程序inception\u resnet\u v2.py获得这些名称

---

之后，您可以调用：

output=sess.run（预测，feed\u dict={X:batch\u images}）

谢谢，但元图有助于加载模型定义。我目前拥有的只是一个检查点模型，它只包含经过训练的权重和偏差值（没有关于模型体系结构等的信息）。您需要

将tensorflow.contrib.slim导入为slim

才能使用

slim.arg\u scope

。