python - Tensorflow:从先前创建的模型中保存变量子集

Question

我创建了一个包含大量变量的模型(模型 A)。我计划使用模型 A 中的一些层在新模型(模型 B)上使用模型 A 进行迁移学习。但是，模型 B 具有与模型 A 相同的架构，因此我不能只加载模型 A 之前的所有变量运行模型 B，否则会出现命名等错误。因此，我正在尝试创建一个新的 ckpt 文件，它只存储我想要的模型 A 的权重。然后我将使用这个新的 ckpt 文件加载到模型 B . 我有以下内容:

sess = tf.Session()
saver = tf.train.import_meta_graph('ModelA.ckpt.meta')
saver.restore(sess, 'ModelA.ckpt')

# I did not explicity name my variables in model A so I am just placing them in the list and taking the ones I want

store_list = []
for v in tf.trainable_variables():
    store_list.append(v)

var_list={"W_1": store_list[0], "b_1": store_list[1]}
v2_saver=tf.train.Saver(var_list)
sess.run(tf.global_variables_initializer())
v2_saver.save(sess, 'model_A_subset.ckpt')

但是，当我恢复 model_A_subset.ckpt 时，我仍然拥有 ModelA.ckpt 中的所有变量。难道我做错了什么？有没有一种方法可以轻松地从 ModelA.ckpt 中删除我不需要的变量并使用它？

Answer 1

您确定不必要的变量在检查点中吗？我问是因为在恢复检查点之前你需要创建图表，如果你正在创建一个包含 A 的所有变量的图表，你就会遇到这个问题。

要检查检查点并查看实际情况，请尝试 inspect checkpoint tool .