tensorflow 获取变量&打印权值等方法

关注

原创最新推荐文章于 2026-07-31 15:07:16 发布 1.6w 阅读 AI 写同款· GEO 优化 ›

TensorFlow（十二）tensorflow生成的.ckpt模型的读写、使用在前一篇中使用AlexNet模型训练了一个ckpt模型但是在使用模型预测的时候又出现了问题由于在生成过程中没有自定义名称导致不知道在使用的时候不知道变量名称关于上一篇博文得到的四个模型文件 meta文件 MyModel.meta文件保存的是图结构，meta文件是pb（protocol buffer）格式文件，包含变量、op、集合等。 ckpt文件 ckpt文件是二进制文件，... 阅读详情

tensorflow 获取变量&打印权值等方法

在使用tensorflow中，我们常常需要获取某个变量的值，比如：打印某一层的权重，通常我们可以直接利用变量的name属性

来获取，但是当我们利用一些第三方的库来构造神经网络的layer时，存在一种情况：就是我们自己无法定义该层的变量，因为

是自动进行定义的。比如用tensorflow的slim库时：

def resnet_stack(images, output_shape, hparams, scope=None):
  """Create a resnet style transfer block.

  Args:
    images: [batch-size, height, width, channels] image tensor to feed as input
    output_shape: output image shape in form [height, width, channels]
    hparams: hparams objects
    scope: Variable scope

  Returns:
    Images after processing with resnet blocks.
  """
  end_points = {}
  if hparams.noise_channel:
    # separate the noise for visualization
    end_points['noise'] = images[:, :, :, -1]
  assert images.shape.as_list()[1:3] == output_shape[0:2]

  with tf.variable_scope(scope, 'resnet_style_transfer', [images]):
    with slim.arg_scope(
        [slim.conv2d],
        normalizer_fn=slim.batch_norm,
        kernel_size=[hparams.generator_kernel_size] * 2,
        stride=1):
      net = slim.conv2d(
          images,
          hparams.resnet_filters,
          normalizer_fn=None,
          activation_fn=tf.nn.relu)
      for block in range(hparams.resnet_blocks):
        net = resnet_block(net, hparams)
        end_points['resnet_block_{}'.format(block)] = net

      net = slim.conv2d(
          net,
          output_shape[-1],
          kernel_size=[1, 1],
          normalizer_fn=None,
          activation_fn=tf.nn.tanh,
          scope='conv_out')
      end_points['transferred_images'] = net
    return net, end_points

我们希望获取第一个卷积层的权重weight，该怎么办呢？？

在训练时，这些可训练的变量会被tensorflow保存在 tf.trainable_variables() 中，于是我们就可以通过打印

tf.trainable_variables() 来获取该卷积层的名称（或者你也可以自己根据scope来看出来该变量的name ），

然后利用tf.get_default_grap().get_tensor_by_name 来获取该变量。举个简单的例子：

import tensorflow as tf
with tf.variable_scope("generate"):
    with tf.variable_scope("resnet_stack"):
        #简单起见，这里没有用第三方库来说明，
        bias = tf.Variable(0.0,name="bias")
        weight = tf.Variable(0.0,name="weight")

for tv in tf.trainable_variables():
    print (tv.name)

b = tf.get_default_graph().get_tensor_by_name("generate/resnet_stack/bias:0")
w = tf.get_default_graph().get_tensor_by_name("generate/resnet_stack/weight:0")

with tf.Session() as sess:
    tf.global_variables_initializer().run()
    print(sess.run(b))
    print(sess.run(w))