Tensorflow 模型文件结构、模型中Tensor查看

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”格式保存了整个模型的结构图,模型上定义的操作等信息。

这个文件保存了网络结构的定义。

例如 model.ckpt-3072.meta ,大小是 2.9 MB。



2.  .data-00000-of-00001 文件和 .index 文件


.data-00000-of-00001 文件和 .index 文件合在一起组成了 ckpt 文件保存了网络结构中所有 权重和偏置 的数值

.data文件保存的是变量值,.index文件保存的是.data文件中数据和 .meta文件中结构图之间的对应关系(Mebay?)。


例如 model.ckpt-3072.data-00000-of-00001,大小是 3.7 MB ;  model.ckpt-3072.index ,大小是 15.5 KB。



3.  checkpoint文件


checkpoint是一个文本文件,记录了训练过程中在所有中间节点上保存的模型的名称,首行记录的是最后(最近)一次保存的模型名称。

例如 checkpoint ,大小是 271字节。




查看 ckpt 模型文件中保存的 Tensor信息


查询变量名称和值:


################
# This code used to check msg of Tensor stored in ckpt
# work well with tensorflow version of 'v1.3.0-rc2-20-g0787eee'
################

import os
from tensorflow.python import pywrap_tensorflow

# code for finall ckpt
# checkpoint_path = os.path.join('~/tensorflowTraining/ResNet/model', "model.ckpt")

# code for designated ckpt, change 3890 to your num
checkpoint_path = os.path.join('~/tensorflowTraining/ResNet/model', "model.ckpt-3890")
# Read data from checkpoint file
reader = pywrap_tensorflow.NewCheckpointReader(checkpoint_path)
var_to_shape_map = reader.get_variable_to_shape_map()
# Print tensor name and values
for key in var_to_shape_map:
    print("tensor_name: ", key)
    print(reader.get_tensor(key))

部分输出信息截图,卷积:

Tensorflow 模型文件结构、模型中Tensor查看_第1张图片


偏置:

Tensorflow 模型文件结构、模型中Tensor查看_第2张图片


动量:



转载于:https://www.cnblogs.com/mtcnn/p/9411711.html

你可能感兴趣的:(Tensorflow 模型文件结构、模型中Tensor查看)