python - 从 tensorflow 模型中获取权重

Question

您好，我想从 tensorflow 微调 VGG 模型。我有两个问题。

如何从网络中获取权重？ trainable_variables 为我返回空列表。

我使用了这里的现有模型:https://github.com/ry/tensorflow-vgg16 .我找到了关于获取权重的帖子，但是由于 import_graph_def 这对我不起作用。 Get the value of some weights in a model trained by TensorFlow

import tensorflow as tf
import PIL.Image
import numpy as np

with open("../vgg16.tfmodel", mode='rb') as f:
  fileContent = f.read()

graph_def = tf.GraphDef()
graph_def.ParseFromString(fileContent)

images = tf.placeholder("float", [None, 224, 224, 3])

tf.import_graph_def(graph_def, input_map={ "images": images })
print("graph loaded from disk")

graph = tf.get_default_graph()

cat = np.asarray(PIL.Image.open('../cat224.jpg'))
print(cat.shape)
init = tf.initialize_all_variables()

with tf.Session(graph=graph) as sess:
  print(tf.trainable_variables() )
  sess.run(init)

Answer 1

这pretrained VGG-16 model将所有模型参数编码为 tf.constant()操作。 (例如，参见对 tf.constant() here 的调用。)因此，模型参数不会出现在 tf.trainable_variables() 中，并且模型在没有大量手术的情况下是不可改变的:您需要将常量节点替换为 tf.Variable以相同值开始的对象，以便继续训练。

一般来说，在导入图形进行再训练时，tf.train.import_meta_graph()应该使用函数，因为这个函数加载额外的元数据(包括变量集合)。 tf.import_graph_def()函数处于较低级别，不会填充这些集合。