TensorFlow，将两个检查点值合并为一个并还原

我有两个具有相同体系结构的模型（A和B），例如，A和B都有相同的变量名称和模型设置

['A1\B1\C1'，'A2\B2\C2'，'A3\B3\C3']

---

我有A和B的检查点文件，我想将A中的

['A1\B1\C1'，A2\B2\C2']

与B int中的

'A3\B3\C3'

组合到检查点文件中，并将其还原到模型A。如何使用

saver.restor（）

？

您可以从检查点使用init\u执行此操作。定义当前模型后，创建分配图

dir = 'path_to_A_and_B_checkpoint_files'
vars_to_load = [i[0] for i in tf.train.list_variables(dir)]
assignment_map = {variable.op.name: variable for variable in tf.global_variables() if variable.op.name in vars_to_restore}

这将创建一个dict，其中当前图形中的变量作为键，检查点中的变量作为值

tf.train.init_from_checkpoint(dir, assignment_map)
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  #do_usual_stuff

---

此函数放在声明会话之前，并替代

saver.restore

独自回答我的问题

将tensorflow导入为tf
从tensorflow.python导入pywrap\u tensorflow
def加载权重（ckpt路径、前缀列表）：
变量权重={}
reader=pywrap\u tensorflow.NewCheckpointReader（ckpt\u路径）
var_to_shape_map=reader.get_variable_to_shape_map（）
对于已排序的键（变量到形状映射）：
对于前缀列表中的_pref：
如果使用键启动（\u pref）：
变量权重[key+'：0']=读取器。获取张量（key）
返回变量权重
#构建模型
...
#初始变量
sess.run（tf.global\u variables\u initializer（））
#恢复模型
saver.restore（sess，load\u dir\u A）
前缀=['A3\B3\C3']
#从B的ckpt获取权重
B_权重=加载权重（加载方向，前缀）
#将权重从B分配给A
assign\u ops=[tf.assign（tf.get\u default\u graph（）.get\u tensor\u by\u name（\u name，\u value）
对于_name，_对手权重中的值。items（）]
sess.run（分配操作）

combine的确切含义是什么？我的意思是将后者的值设置为前者。谢谢你的回答。我得到了A和B的模型权重文件。我想将B的

'A3\B3\C3'

中的值设置为A的

'A3\B3\C3'

中的值，并恢复A修改后的模型权重文件。您的代码

sess.run（tf.global_variables_initializer（））

可以将模型的权重重置为一些随机初始值。

assignment_map={variable.op.name:tf.global_variables（）中变量的变量如果variable.op.name在vars_to_restore}

我认为在我的情况下，它只能还原B的

'A3\B3\C3'

。你能检查一下吗？

init\u from\u checkpoint

覆盖了标准的初始值设定项，所以这不会是一个问题。对于特定的变量，我认为你是对的。也许你必须手动定义赋值映射，以便匹配p中需要的所有变量顺序。我看看能做些什么。谢谢。我发现这个函数可以帮助我提取变量名和权重，但是，我发现返回的名称不同。我用代码问了一个新问题：