Tensorflow查看某一层的权重

本文详细介绍了如何在TensorFlow中通过`tf.trainable_variables()`查看权重名称,以及如何通过名字获取和查看dense层权重值。重点讲解了命名规则和实际操作步骤,对于理解和使用TF权重管理大有裨益。

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

一、查看权重name.

1.1 通过tf.trainable_variables()

for v in tf.trainable_variables():
	print(v)

这个的运行无需sess.

1.2 根据命名

举例: dense层.

with tf.variable_scope("generation"):
	o = tf.layers.dense(i, units=10)

那么该dense的权重名即为generation/dense/kernel:0,偏置即为generation/dense/bias:0

如果有多个dense, 则为generation/dense_1/kernel:0

二、获取权重值

value = tf.get_default_graph().get_tensor_by_name('common_mode/dense/kernel:0')

这样即可查看权重值.

### 如何在 TensorFlow 中加载和使用预训练模型的权重 为了在 TensorFlow 中加载并使用预训练模型的权重,可以按照以下方法操作: 对于已经下载好的预训练模型文件,可以通过指定路径来加载模型及其权重。例如,如果预先下载了一个 VGG16 模型的权重文件 `vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5` 并存储于本地磁盘上的特定目录,则可通过下面的方式创建带有自定义输入形状且不带顶部全连接层(即分类器部分)的 VGG16 实例,并应用已有的权重[^2]。 ```python import tensorflow as tf path_weights = r"D:\XX\vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5" VGG16_MODEL = tf.keras.applications.VGG16( input_shape=(224, 224, 3), include_top=False, weights=path_weights ) ``` 上述代码片段展示了如何通过设置参数 `weights` 来指向本地存在的 HDF5 文件从而完成对预训练权重的应用过程。这里需要注意的是,当指定了具体的 `.h5` 或其他格式的权重文件时,该文件应当与所使用的架构相匹配,比如这里的例子适用于 VGG16 架构下的无顶层结构版本。 另外,在实际项目开发过程中,除了直接利用官方提供的预训练模型外,还可以基于这些模型进行微调 (Fine-tuning),这通常涉及到冻结某些卷积层而仅更新新增加的部分或是解冻少量高层特征提取单元来进行更广泛的再训练以适应新的数据集需求[^3]。 #### 加载预训练模型的一般流程概述 - 准备工作:确保拥有合适的预训练权重文件; - 创建模型实例:根据所需的任务选择相应的基底网络,并决定是否保留原始的分类头 (`include_top`) 及其对应的输入尺寸 (`input_shape`); - 应用权重:通过传递给 `weights` 参数一个有效的文件路径字符串来指示框架读取外部保存下来的参数; - 后续处理:依据具体应用场景考虑进一步调整模型配置,如修改激活函数、增加正则化项等措施提升性能表现。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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