Tensorflow Can'；应用tf.contrib.layers.褶合2D_转置的t恢复模型_Tensorflow_Deep Learning

Tensorflow Can'；应用tf.contrib.layers.褶合2D_转置的t恢复模型

tensorflow deep-learning

Tensorflow Can'；应用tf.contrib.layers.褶合2D_转置的t恢复模型,tensorflow,deep-learning,Tensorflow,Deep Learning,我正在尝试使用以下代码还原模型： new_saver = tf.train.import_meta_graph(model_path+'.meta') new_saver.restore(sess, model_path) g=tf.get_default_graph() 对于原始图表中的每个权重或偏差，我都做了g。通过\u name（）获取\u tensrr\u。但当我尝试在deconv2d层上执行此操作时，如下所示： def deconv2d(self,inputs, num_outpu

我正在尝试使用以下代码还原模型：

new_saver = tf.train.import_meta_graph(model_path+'.meta')
new_saver.restore(sess, model_path)
g=tf.get_default_graph()

对于原始图表中的每个权重或偏差，我都做了

g。通过\u name（）获取\u tensrr\u

。但当我尝试在

deconv2d

层上执行此操作时，如下所示：

def deconv2d(self,inputs, num_outputs, kernel_shape, g,scope,strides=[1, 1]):
  with tf.variable_scope(scope) as scope:
    weights_initializer = g.get_tensor_by_name("prsr/conditioning/deconv/Conv2d_transpose/weights:0")
    biases_initializer = g.get_tensor_by_name("prsr/conditioning/deconv/Conv2d_transpose/biases:0")
    return tf.contrib.layers.convolution2d_transpose(inputs=inputs, num_outputs=num_outputs,kernel_size=kernel_shape,stride=strides, \
      padding='SAME', weights_initializer=weights_initializer,biases_initializer=biases_initializer)

它失败并显示以下错误：

  File "restore.py", line 41, in deconv2d
    padding='SAME', weights_initializer=weights_initializer,biases_initializer=biases_initializer)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/framework/python/ops/arg_scope.py", line 177, in func_with_args
    return func(*args, **current_args)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/layers/layers.py", line 1126, in convolution2d_transpose
    outputs = layer.apply(inputs)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/layers/base.py", line 323, in apply
    return self.__call__(inputs, **kwargs)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/layers/base.py", line 289, in __call__
    self.build(input_shapes[0])
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/layers/convolutional.py", line 1043, in build
    dtype=self.dtype)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/variable_scope.py", line 1033, in get_variable
    use_resource=use_resource, custom_getter=custom_getter)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/variable_scope.py", line 932, in get_variable
    use_resource=use_resource, custom_getter=custom_getter)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/variable_scope.py", line 349, in get_variable
    validate_shape=validate_shape, use_resource=use_resource)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/layers/base.py", line 278, in variable_getter
    variable_getter=functools.partial(getter, **kwargs))
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/layers/base.py", line 228, in _add_variable
    trainable=trainable and self.trainable)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/layers/layers.py", line 1327, in layer_variable_getter
    return _model_variable_getter(getter, *args, **kwargs)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/layers/layers.py", line 1316, in _model_variable_getter
    custom_getter=getter, use_resource=use_resource)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/framework/python/ops/arg_scope.py", line 177, in func_with_args
    return func(*args, **current_args)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/framework/python/ops/variables.py", line 259, in model_variable
    use_resource=use_resource)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/framework/python/ops/arg_scope.py", line 177, in func_with_args
    return func(*args, **current_args)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/framework/python/ops/variables.py", line 214, in variable
    use_resource=use_resource)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/variable_scope.py", line 341, in _true_getter
    use_resource=use_resource)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/variable_scope.py", line 638, in _get_single_variable
    raise ValueError("If initializer is a constant, do not specify shape.")
ValueError: If initializer is a constant, do not specify shape.

我不知道这指的是哪个形状，我也不认为权重和偏差是常数，它们是张量，对吗？顺便说一句，我非常确定这两个张量，

prsr/conditionation/deconv/Conv2d_transpose/weights

和

prsr/conditionation/deconv/Conv2d_transpose/biases

存在于原始图形中，因为我使用检查点文件中的

print_tensors_检查了这一点，我实际上可以看到这些值。

那个么，我怎样才能恢复应用这个tf.contrib.layers.convolution2d\u transpose（）
layer的模型呢？我在stackoverflow和github上搜索了很多，但都没有找到。任何帮助都将不胜感激
 weights\u initializer
和bias\u initializer
不是您所认为的那样。你可能认为这两个张量是反褶积中权重的初始值，对吧？但是，初始值设定项参数是一个函数，而不是张量，应该如下所示：
def my_initializer(shape, dtype=tf.float32, partition_info=None):
    # do some computation to build up a tensor of the given shape
    return that_tensor

然后您可以像这样使用此初始值设定项：
tf.contrib.layers.convolution2d_transpose(inputs=inputs, ..., weights_initializer=my_initializer)

因此，为了解决您的问题，我认为以下方法应该有效：
def weights_initializer(shape, dtype=tf.float32, partition_info=None):
    weights = tf.get_default_graph().get_tensor_by_name("prsr/conditioning/deconv/Conv2d_transpose/weights:0")
    return weights

不过，在我看来，这有点令人讨厌。为什么要加载图形，然后在新操作中使用预先训练的权重？为什么在设置初始模型之前，这些权重没有与此操作关联
注：当处理变量时，你可能会发现tf.get\u variable
很方便。如果使用tf.get\u variable
创建变量，则可以在以后使用tf.get\u variable
再次检索这些变量，而无需调用繁琐的get\u tensor\u by\u name
。查看更多信息。
weights\u initializer
和bias\u initializer
不是您所认为的那样。你可能认为这两个张量是反褶积中权重的初始值，对吧？但是，初始值设定项参数是一个函数，而不是张量，应该如下所示：
def my_initializer(shape, dtype=tf.float32, partition_info=None):
    # do some computation to build up a tensor of the given shape
    return that_tensor

然后您可以像这样使用此初始值设定项：
tf.contrib.layers.convolution2d_transpose(inputs=inputs, ..., weights_initializer=my_initializer)

因此，为了解决您的问题，我认为以下方法应该有效：
def weights_initializer(shape, dtype=tf.float32, partition_info=None):
    weights = tf.get_default_graph().get_tensor_by_name("prsr/conditioning/deconv/Conv2d_transpose/weights:0")
    return weights

不过，在我看来，这有点令人讨厌。为什么要加载图形，然后在新操作中使用预先训练的权重？为什么在设置初始模型之前，这些权重没有与此操作关联
注：当处理变量时，你可能会发现tf.get\u variable
很方便。如果使用tf.get\u variable
创建变量，则可以在以后使用tf.get\u variable
再次检索这些变量，而无需调用繁琐的get\u tensor\u by\u name
。查看更多信息。
谢谢您的回复。我试过你说的，但还是不起作用。我这样做的原因是因为我在恢复tensorflow计算图中节点的值时遇到了麻烦。你能看一下这个截图吗？我试图恢复“c_logits”节点，实际上我可以通过名称（“prsr/condition/conv/c_logits:0”）

，然后

sess.run（node）

，但值与它应该的值不同。天哪，我很抱歉，我知道发生了什么。我将输入馈送到错误的节点！现在它的完美工作！非常感谢。谢谢你的回复。我试过你说的，但还是不起作用。我这样做的原因是因为我在恢复tensorflow计算图中节点的值时遇到了麻烦。你能看一下这个截图吗？我试图恢复“c_logits”节点，实际上我可以通过名称（“prsr/condition/conv/c_logits:0”），然后

sess.run（node）

，但值与它应该的值不同。天哪，我很抱歉，我知道发生了什么。我将输入馈送到错误的节点！现在它的完美工作！非常感谢。