python - 将特定的 TensorFlow 变量恢复到特定层(按名称恢复)

Question

假设我训练了一个 TensorFlow 模型并保存了它，现在有一个不同的模型，我想将保存的模型中的一些权重用于我模型中的一些层(它们具有相同的形状)。

现在，我能够找到如何从模型中保存特定变量(具有特定名称)，但我无法找到任何通过名称恢复这些变量的示例。

例如，假设在我保存的模型中我保存了一个名为“v1”的权重张量(具有某种形状)。现在，在我的新模型中，我有一个名为“v2”的权重张量(其形状与“v1”张量相同)。现在我想将保存的“v1”变量加载到我的“v2”权重张量，或者甚至更好地将这个“v1”权重加载到我的新图中的多个张量。

这可能吗？如果可以，我该怎么做？

Answer 1

我找到了解决此问题的解决方法。

您可以做的是将变量值直接保存到您的磁盘中，作为值或作为键作为张量名称和值的字典。 例如:

vars_dict = {}
for tensor in (list_of_tensors_you_want_to_save):
     vars_dict[tensor.name] = sess.run(tensor)

然后您可以将此字典中的任何变量加载到您想要的任何其他变量。

在我的示例中，假设原始张量称为“v1”，我要加载的两个张量是“v2”和“v3”，可以执行以下操作:

tensor_to_load_1 = tf.get_default_graph().get_tensor_by_name("v2")
tensor_to_load_2 = tf.get_default_graph().get_tensor_by_name("v3")

assign_op_1 = tf.assign(tensor_to_load_1, vars_dict["v1"])
assign_op_1 = tf.assign(tensor_to_load_2, vars_dict["v1"])

sess.run([assign_op_1, assign_op_2])

当然，这仅受“v1”、“v2”和“v3”必须具有相同形状这一事实的限制。

使用此示例代码，您可以保存任何变量并将它们加载到您想要的任何其他变量，而无需原始图形与当前图形相匹配。