tensorflow中读取模型中保存的值, tf.train.NewCheckpointReader

最新推荐文章于 2020-11-05 07:28:05 发布
最新推荐文章于 2020-11-05 07:28:05 发布
阅读量7.2k 收藏 13
点赞数 2
CC 4.0 BY-SA版权
分类专栏： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_39124762/article/details/82951818
本文介绍了如何在TensorFlow中利用tf.train.NewCheckpointReader读取已保存模型的变量信息和值。通过打印模型目录下所有变量的名字、数据类型和形状，以及详细步骤来获取变量的具体数值。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

使用tf.trian.NewCheckpointReader(model_dir)

一个标准的模型文件有一下文件, model_dir就是MyModel(没有后缀)

checkpoint
Model.meta
Model.data-00000-of-00001
Model.index

import tensorflow as tf
import pprint # 使用pprint 提高打印的可读性
NewCheck =tf.train.NewCheckpointReader("model")

打印模型中的所有变量

print("debug_string:\n"
最低0.47元/天 解锁文章

200万优质内容无限畅学
【Tensorflow教程笔记】常用模块 tf.train.Checkpoint ：变量的保存与恢复
nanke_4869的博客
02-28 9024
Tensorflow教程笔记 TensorFlow 基础 TensorFlow 模型建立与训练 基础示例：多层感知机（MLP） 卷积神经网络（CNN） 循环神经网络（RNN） 深度强化学习（DRL） Keras Pipeline 自定义层、损失函数和评估指标 常用模块 tf.train.Checkpoint ：变量的保存与恢复 目录Tensorflow教程笔记tf.train.Checkpoint Checkpoint 只保存模型的参数，不保存模型的计算过程，因此一般用于在具有模型源代码的时候恢复之前训练
输出TensorFlow中checkpoint内变量的几种方法
热门推荐
jyshee的博客
09-17 2万+
在上一篇关于MDM模型的文章中，作者给出的是基于TensorFlow的实现。由于一些原因，需要将在TF上训练好的模型转换为Caffe，经过一番简化，现在的要需求是只要将TF保存在checkpoint中的变量值输出到txt或npy中即可。这里列了几种简单的可行的方法。 1，最简单的方法，是在有model 的情况下，直接用tf.train.saver进行restore，就像 cifar10_
tensorflow实现读取模型中保存的值 tf.train.NewCheckpointReader
09-17
今天小编就为大家分享一篇tensorflow实现读取模型中保存的值 tf.train.NewCheckpointReader，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tf.train.NewCheckpointReader
liugan528的博客
11-05 2580
保存训练模型的时候不仅持久化了计算图结构，也持久化了变量的取值。 TensorFlow提供的tf.train.NewCheckpointReader类来查看保存的变量的信息。 import tensorflow as tf v1 = tf.Variable(tf.constant(1.0,tf.float32, [1]),name='v1') v2 = tf.Variable(tf.constant(2.0,tf.float32, [1]),name='v2') result = v1 + v2 sav
Tensorflow: 从checkpoint文件中读取tensor name和值
DRACOYU的博客
01-19 3455
有时候使用ckpt时需要查看内部tensor name和值时，需要打印输出，ckpt文件的话放到checkpoint，如果三个文件，只添加文件名，类型忽略。 import os from tensorflow.python import pywrap_tensorflow checkpoint_path = os.path.join(model_dir, "print——model.ckpt...
tensorflow中读取模型中保存的值, tf.train.NewCheckpointReader
hellocsz的博客
04-09 2647
使用tf.trian.NewCheckpointReader(model_dir) 一个标准的模型文件有以下文件, model_dir就是MyModel(没有后缀) checkpoint Model.meta Model.data-00000-of-00001 Model.index import tensorflow as tf import pprint # 使用pprint 提高打印的...
tensorflow实现训练变量checkpoint的保存与读取
12-20
通过这些步骤，你可以有效地在TensorFlow中保存和恢复模型的训练状态，无论是整个模型还是部分变量。这使得模型训练可以随时中断并从上次保存的状态继续，也方便模型的迁移和微调。在实际应用中，这能提高训练效率，...
查看TensorFlow checkpoint文件中的变量名和对应值
何雷
02-22 1万+
转自：http://stackoverflow.com/questions/38218174/how-can-find-the-variable-names-that-saved-in-tensorflow-checkpoint/38226516#38226516from tensorflow.python import pywrap_tensorflow checkpoint_path = os
Tensorflow: 从checkpoint文件中读取tensor（checkpoint.ckpt)
wuguangbin1230的博客
01-18 6883
在使用pre-train model时候，我们需要restore variables from checkpoint files.  经常出现在checkpoint 中找不到”Tensor name not found”.  1. 这时候需要查看一下ckpt中到底有哪些变量 import os from tensorflow.python import pywrap_tensorflow c...
Tensorflow 模型文件结构、模型中Tensor查看
c20081052的专栏
10-07 1万+
转自：https://blog.csdn.net/dcrmg/article/details/79672874 参考：https://www.jb51.net/article/142183.htm tensorflow训练后保存的模型主要包含两部分，一是网络结构的定义（网络图），二是网络结构里的参数值。 1.  .meta文件 .meta 文件以 “protocol buffer”格式保存...
tensorflow对训练变量checkpoint的保存与读取
iMuMu的博客
03-30 2万+
1.保存变量先创建（在tf.Session()之前）saversaver = tf.train.Saver(tf.global_variables(),max_to_keep=1)   #max_to_keep这个保证只保存最后一次training的训练数据然后在训练的循环里面 checkpoint_path = os.path.join(Path, 'model.ckpt')saver.save...
TensorFlow实现模型断点训练，checkpoint模型载入
Sesen的木屋
08-04 1万+
深度学习中，模型训练一般都需要很长的时间，由于很多原因，导致模型中断训练，下面介绍继续断点训练的方法。 方法一：载入模型时，不必指定迭代次数，一般默认最新 # 保存模型 saver = tf.train.Saver(max_to_keep=1) # 最多保留最新的模型 # 开启会话 with tf.Session() as sess: # saver.restore(sess, '...
对保存的参数checkpoints进行可视化读取 1.pywrap_tensorflow.NewCheckpoint(获得checkpoint的读取器) 2.np.save(对npy文件进行保存) ...
weixin_30800987的博客
08-07 668
1. pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的读取器 参数说明： path表示checkpoint的路径 2.np.save(path, dict) 根据路径将数据保存为npy类型 参数说明：path表示进行参数保存的路径, dict 表示需要进行保存的参数 3.tl.file.load_npy_to_any(name...
查看tensorflow ckpt文件中的变量名和对应值
夕何的博客
09-09 9594
查看tf ckpt文件中的变量名和对应值
TensorFlow Saver:保存和读取模型参数.ckpt
Yancy的博客
10-11 9530
在使用TensorFlow的过程中，保存模型参数变量是很重要的一个环节，既可以保证训练过程信息不丢失，也可以帮助我们在需要快速恢复或使用一个模型的时候，利用之前保存好的参数之间导入，可以节省大量的训练时间。本文通过最简单的例程教大家如何保存和读取.ckpt文件。 一、保存到文件 首先是导入必要的东西： import tensorflow as tf import numpy as np ...
搞清楚TensorFlow2--Checkpoint
BoCong-Deng的博客
08-15 3800
写在前面 GitHub TensorFlow原文档 TensorFlow版本：2.3 引言 很多时候，我们希望在模型训练完成后能将训练好的参数（变量）保存起来，在需要使用模型的其他地方载入模型和参数，就能直接得到训练好的模型。而TensorFlow 正好提供了tf.train.Checkpoint这一强大的变量保存与恢复类，可以使用其 save() 和 restore() 方法将 TensorFlow 中所有包含 Checkpointable State 的对象进行保存和恢复。不过有一点要注意的是，Chec
horovod + tf.train.CheckpointSaverHook
qq_32110859的博客
11-02 1719
最近在做分布式模型训练相关工作，利用到了horovod框架，当horovod+tf.train.MonitoredTrainingSession+tf.train.CheckpointSaverHook时，会出现horovod rank抢占之类的报错。并且在log中多次出现Create CheckpointSaverHook的信息。 并且由于MonitoredTrainingSession的...
import tensorflow as tf checkpoint_path = "checkpoints/model.ckpt" reader = tf.train.NewCheckpointReader(checkpoint_path) ckpt_vars = reader.get_variable_to_shape_map() for var in ckpt_vars: if "bn1_0" in var: print(var) 我没有model。dkpt文件，是RetinexNet-tensorflow.data-00000-of-00001之类的，还有RetinexNet-tensorflow.index还有一个checkpoint，我该怎么看我存下的模型
最新发布
03-21
<think>嗯，用户的问题是关于如何查看他们保存的TensorFlow模型，特别是RetinexNet相关的文件。他们提到没有找到model.ckpt文件，而是有类似RetinexNet-tensorflow.data-00000-of-00001、RetinexNet-tensorflow.index和checkpoint这几个文件。我需要先理解这些文件的作用，然后给出正确的查看方法。 首先，用户提供的代码示例中使用了tf.train.NewCheckpointReader来读取检查点文件，但用户现在的文件命名似乎不同。可能用户使用的是较新版本的TensorFlow，或者保存模型时使用了不同的方式。在TensorFlow中，检查点文件通常包括.data、.index和.meta文件，以及checkpoint文件作为记录。所以用户提到的文件是正确的，只是命名不同。 接下来，用户想通过遍历变量名来找到包含"bn1_0"的变量。原来的代码示例假设检查点路径是model.ckpt，但现在用户的文件前缀是RetinexNet-tensorflow，所以需要调整路径。应该将checkpoint_path设置为"RetinexNet-tensorflow"而不是原来的路径，因为TensorFlow会自动处理不同的后缀。 另外，用户可能没有意识到检查点文件的命名规则，所以需要解释如何正确指定路径。同时，要提醒用户确保这些文件在同一目录下，并且路径正确。此外，可能需要检查是否存在其他相关的检查点文件，或者是否有权限问题。 还需要考虑用户是否安装了正确版本的TensorFlow，以及代码中是否有导入错误。但根据用户提供的代码，这部分似乎没问题。可能用户直接运行原来的代码但路径不正确，导致无法找到变量。因此，正确的做法是修改checkpoint_path，并使用正确的读取方法。 最后，可能需要建议用户如何进一步验证变量是否存在，或者检查是否有其他层名称可能包含"bn1_0"。如果用户仍然无法找到，可能需要检查模型保存的方式是否正确，或者是否有变量名称的变化。</think>你遇到的问题是由于TensorFlow版本差异导致的检查点文件命名方式变化。旧版本使用`.ckpt`作为后缀，而新版本采用分片存储方式。以下是逐步解决方案： $\textbf{步骤1：理解文件结构}$ - `RetinexNet-tensorflow.data-00000-of-00001`：存储模型权重数据 - `RetinexNet-tensorflow.index`：记录变量名与数据位置的索引表 - `checkpoint`：文本文件记录最新检查点路径 $\textbf{步骤2：修改路径指定方式}$ 将路径前缀设为公共部分（去掉`.data-*`后缀）： ```python checkpoint_path = "RetinexNet-tensorflow" # 不要加任何后缀 ``` $\textbf{步骤3：完整代码示例}$ ```python import tensorflow as tf # 设置检查点路径（注意不要加后缀） checkpoint_path = "RetinexNet-tensorflow" # 创建检查点阅读器 try: reader = tf.train.NewCheckpointReader(checkpoint_path) ckpt_vars = reader.get_variable_to_shape_map() # 查找包含bn1_0的变量 found = False for var_name in ckpt_vars: if "bn1_0" in var_name: print(f"找到变量: {var_name}，形状: {ckpt_vars[var_name]}") found = True if not found: print("警告：未找到包含'bn1_0'的变量，请检查以下完整变量列表：") for var_name in ckpt_vars: print(f"- {var_name}") except Exception as e: print(f"错误：{str(e)}") print("请检查：") print("1. 文件路径是否正确（建议使用绝对路径）") print("2. 相关文件是否完整存在（.data/.index/checkpoint）") print("3. TensorFlow版本是否>=1.0（推荐使用1.x版本）") ``` $\textbf{常见问题排查}$ 1. 如果提示"NotFoundError"，请检查： - 文件是否位于当前工作目录 - 是否有文件权限问题 - 是否缺少`.index`文件 2. 如果找不到目标变量： - 尝试搜索其他相关名称（如`bn1/bn_1`等） - 使用完整列表核对变量命名规范 3. 若使用TF2.x： ```python # 添加以下代码兼容TF2.x tf.compat.v1.disable_eager_execution() ``` $\textbf{附加建议}$ 使用官方工具查看完整信息： ```python # 打印所有变量信息 print(tf.train.list_variables(checkpoint_path)) ```
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值