python - Tensorflow如何修改保存为检查点的预训练模型

Question

我在 link 中实现后在 Tensorflow 中训练了一个 FCN 模型并将完整的模型保存为检查点，现在我想将保存的模型(预训练的)用于不同的问题。我尝试通过将 Saver 中的权重指定为:

从检查点恢复模型

saver = tf.train.Saver({"weights" : [w1_1,w1_2,w2_1,w2_2,w3_1,w3_2,w3_3,w3_4, w4_1, w4_2, w4_3, w4_4,w5_1,w5_2,w5_3,w6,w7]})

我得到的权重为:

w1_1=tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,scope='inference/conv1_1_w')

等等......我无法成功恢复它(直到特定层)。 tensorflow 版本:0.12r

Answer 1

您可以调用 init = tf.initialize_variables([list_of_vars]) ，然后调用 sess.run(init) ，这将为您重新初始化这些变量，或者您可以从您想要卡住权重但为变量保留不同名称的点重新创建具有相同结构的图。此外，如果您只想训练某些变量，则可以仅将这些变量传递给优化器。 tf.train.AdamOptimizer(learning_rate).minimize(loss,var_list = [wi, wj, ....])