python - 如何从tensorflow fully_connected获取权重

Question

我正在尝试在训练后从模型中提取权重。这是一个玩具示例

import tensorflow as tf
import numpy as np

X_ = tf.placeholder(tf.float64, [None, 5], name="Input")
Y_ = tf.placeholder(tf.float64, [None, 1], name="Output")

X = ...
Y = ...
with tf.name_scope("LogReg"):
    pred = fully_connected(X_, 1, activation_fn=tf.nn.sigmoid)
    loss = tf.losses.mean_squared_error(labels=Y_, predictions=pred)
    training_ops = tf.train.GradientDescentOptimizer(0.01).minimize(loss)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(200):
        sess.run(training_ops, feed_dict={
            X_: X,
            Y_: Y
        })
        if (i + 1) % 100 == 0:
            print("Accuracy: ", sess.run(accuracy, feed_dict={
                X_: X,
                Y_: Y
            }))

# Get weights of *pred* here

我看过Get weights from tensorflow model 在docs但无法找到检索权重值的方法。

所以在玩具示例中，假设 X_ 的形状为 (1000, 5)，我怎样才能在

之后获得 1 层权重中的 5 个值

Answer 1

您的代码中存在一些问题需要修复:

1- 您需要在以下行中使用 variable_scope 而不是 name_scope (请参阅 TensorFlow 文档以了解它们之间的区别):

with tf.name_scope("LogReg"):

2- 为了能够稍后在代码中检索变量，您需要知道它的名称。因此，您需要为感兴趣的变量分配一个名称(如果您不支持一个名称，则会分配一个默认名称，但随后您需要弄清楚它是什么!):

pred = tf.contrib.layers.fully_connected(X_, 1, activation_fn=tf.nn.sigmoid, scope = 'fc1')

现在让我们看看上述修复如何帮助我们获取变量的值。每层都有两种类型的变量:权重和偏差。在下面的代码片段(你的修改版本)中，我将只展示如何检索全连接层的权重:

X_ = tf.placeholder(tf.float64, [None, 5], name="Input")
Y_ = tf.placeholder(tf.float64, [None, 1], name="Output")

X = np.random.randint(1,10,[10,5])
Y = np.random.randint(0,2,[10,1])

with tf.variable_scope("LogReg"):
    pred = tf.fully_connected(X_, 1, activation_fn=tf.nn.sigmoid, scope = 'fc1')
    loss = tf.losses.mean_squared_error(labels=Y_, predictions=pred)
    training_ops = tf.train.GradientDescentOptimizer(0.01).minimize(loss)

with tf.Session() as sess:

    all_vars= tf.global_variables()
    def get_var(name):
        for i in range(len(all_vars)):
            if all_vars[i].name.startswith(name):
                return all_vars[i]
        return None
    fc1_var = get_var('LogReg/fc1/weights')

    sess.run(tf.global_variables_initializer())    
    for i in range(200):
        _,fc1_var_np = sess.run([training_ops,fc1_var], feed_dict={
        X_: X,
        Y_: Y 
        })
        print fc1_var_np