TensorFlow模型揭秘：结构与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：

登录后复制

################# This code used to check msg of Tensor stored in ckpt# work well with tensorflow version of 'v1.3.0-rc2-20-g0787eee'################import osfrom 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 numcheckpoint_path = os.path.join('~/tensorflowTraining/ResNet/model', "model.ckpt-3890")# Read data from checkpoint filereader = pywrap_tensorflow.NewCheckpointReader(checkpoint_path)var_to_shape_map = reader.get_variable_to_shape_map()# Print tensor name and valuesfor key in var_to_shape_map:    print("tensor_name: ", key)    print(reader.get_tensor(key))1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.

部分输出信息截图，卷积：

偏置：

动量：

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删