Python Tensorflow-使用tf.contrib.layers.conv2d时，我可以设置权重和偏差的名称吗？

Tensorflow版本：1.10.1

我想把我在预训练网络中学习到的卷积层的权重和偏差转移到一个新的网络中

但是，由于我使用了

conv2d

api，检查点文件中的权重和偏差会自动命名为

Conv/weights

，

Conv/biases

，

Conv\u 1/weights

，

Conv\u 1/biases

，

Conv\u 2/weights

等

但是，这些名称与代码中的变量名不一致。 例如，

Conv/weights

，

Conv/biases

在我的代码中属于名为

C2

的变量，因此我想将它们命名为

C2/weights

，

C2/biases

我知道对于由

get\u variable

定义的变量，我可以通过

my\u variable=tf.get\u variable将它们的名称设置为我想要的任何字符串（“任意名称、形状、数据类型、初始值设定项”）

，其中

my\u variable

被命名为

“任意名称”

然而，当涉及到

my_layer=tf.contrib.layers.conv2d（params_blablabla）

（或

tf.nn

或

tf.layers

中的等效api）时，我不知道如何命名

my_layer

那么，有可能做到这一点吗？如果可能，如何传递？

对于，您可以传递一个名为

name

的附加参数

示例：

my_conv1 = tf.layers.conv2D(...., name='my_conv1')
my_conv2 = tf.layers.conv2D(...., name='my_conv2 ')

with tf.name_scope('my_conv1') as scope:
    my_conv1 = tf.contrib.layers.conv2d(..., scope=scope) 

对于参数

scope

，它用于为层命名名称空间

示例：

my_conv1 = tf.layers.conv2D(...., name='my_conv1')
my_conv2 = tf.layers.conv2D(...., name='my_conv2 ')

with tf.name_scope('my_conv1') as scope:
    my_conv1 = tf.contrib.layers.conv2d(..., scope=scope) 

结果：

my_conv1 = tf.layers.conv2D(...., name='my_conv1')
my_conv2 = tf.layers.conv2D(...., name='my_conv2 ')

with tf.name_scope('my_conv1') as scope:
    my_conv1 = tf.contrib.layers.conv2d(..., scope=scope) 

---

在所有情况下，您的权重和偏差都被命名为，例如

my_conv1/weights

和

my_conv1/bias

谢谢。我在

tf.contrib.layers

中没有看到

name

，我认为

tf.nn

和

tf.layers

应该是相似的。事实证明，在我问这个问题之前，我应该更仔细地阅读这些文档。