在TensorFlow训练的模型中获取某些权重的值

我用TensorFlow训练了一个ConvNet模型，我想在层中获得一个特定的权重。例如，在torch7中，我只需访问

model.modules[2].weights

。获取第2层的权重。在TensorFlow中，我将如何做同样的事情？

在TensorFlow中，经过训练的权重由对象表示。如果您自己创建了一个

tf.变量

，例如名为

v

，则可以通过调用（其中

sess

是一个变量）来获取它作为NumPy数组的值

如果当前没有指向

tf.变量的指针

，则可以通过调用获取当前图形中可训练变量的列表。此函数返回当前图形中所有可训练的

tf.Variable

对象的列表，您可以通过匹配

v.name

属性来选择所需的对象。例如：

# Desired variable is called "tower_2/filter:0".
var = [v for v in tf.trainable_variables() if v.name == "tower_2/filter:0"][0]

---

因此，如果您一步一步地执行此代码，您将首先获得已使用/可训练变量的列表。然后，您可以在列表中对它们进行排序，将权重矩阵/列表排序为变量名，例如，如何处理这些信息

vars = tf.trainable_variables()
print(vars) #some infos about variables...
vars_vals = sess.run(vars)
for var, val in zip(vars, vars_vals):
    print("var: {}, value: {}".format(var.name, val)) #...or sort it in a list....

---

2.0兼容答案：如果我们使用

Keras顺序API构建模型

，我们可以使用下面提到的代码获得模型的权重：

!pip install tensorflow==2.1

from tf.keras import Sequential

model = Sequential()

model.add(Conv2D(filters=conv1_fmaps, kernel_size=conv1_ksize,
                         strides=conv1_stride, padding=conv1_pad,
                         activation=tf.nn.relu, input_shape=(height, width, channels),
                    data_format='channels_last'))

model.add(MaxPool2D(pool_size = (2,2), strides= (2,2), padding="VALID"))

model.add(Dropout(0.25))

model.add(Flatten())

model.add(Dense(units = 32, activation = 'relu'))

model.add(Dense(units = 10, activation = 'softmax'))

model.summary()

print(model.trainable_variables) 

最后一条语句，

print（model.trainable\u variables）

将返回模型的权重，如下所示：

    [<tf.Variable 'conv2d/kernel:0' shape=(3, 3, 1, 32) dtype=float32>,
 <tf.Variable 'conv2d/bias:0' shape=(32,) dtype=float32>, <tf.Variable 
'dense/kernel:0' shape=(6272, 32) dtype=float32>, <tf.Variable 'dense/bias:0' 
shape=(32,) dtype=float32>, <tf.Variable 'dense_1/kernel:0' shape=(32, 10) 
dtype=float32>, <tf.Variable 'dense_1/bias:0' shape=(10,) dtype=float32>]

[,，
, , ]

非常感谢@mrry，如果我从Tensorflow的任何model zoo支持加载相关模型，我可以使用我尝试过的相同功能访问它们的可训练参数，但它返回空矩阵。任何答案都取决于加载模型的机制。如果使用较新的

tf.train.import\u meta\u graph（）

，则

tf.trainable\u variables（）

应该可以工作。如果使用较低级别的

tf.import\u graph\u def（）

函数，则应在

return\u elements

可选参数中传递变量名称，并将返回一个张量（然后可以传递到

sess.run（）中）

。很抱歉再次询问。我在audacity中与一个修道院进行了尝试，并尝试将tf.Session（graph=graph）作为Session:var=[v代表tf.trainable\u variables中的v（），如果v.name==“layer1\u weights”]；你能给我一个可以打印权重的函数吗？啊，这个模型的问题是变量没有有意义的名称。你有两个选择。（注意，你必须使用与训练网络检索权重相同的会话。）1.只需执行

session.run（layer1\u权重）

在训练后获取变量的值（这是我回答中的第一个建议）。2.在

layer1\u weights=tf.variable（…）

之后添加

print

语句，以查找TensorFlow的变量名称（例如

print（layer1\u weights.name）

），然后使用该字符串在

tf.trainable_variables（）

中查找变量。始终对变量所属的位置进行评分。此处也给出了ans，这里什么是

sess

？答案应该是自含的。。