我想在训练步骤期间将变量和偏差张量保存为检查点。我使用 tf.contrib.layers 中的 full_connected() 来实现几个完全连接的层。为此，我需要提取这些完全连接层的变量和偏差张量。如何做到这一点？
最佳答案
顺便提一下:
- 无需提取权重和偏差来保存它们。对于 tf.layers 或 tf.contrib.layers，如果 trainable 设置为
True，权重和偏差将添加到GraphKeys.TRAINABLE_VARIABLES，它是的子集>GraphKeys.GLOBAL_VARIABLES。因此，如果您在某个时候使用saver = tf.train.Saver(var_list=tf.global_variables())和saver.save(sess, save_path, global_step)，权重和偏差将被保存。 - 如果您确实需要提取变量，一种方法是使用
tf.get_variable或tf.get_default_graph().get_tensor_by_name以及正确的变量名称，如下其他答案提到过。 - 您可能已经注意到 TensorFlow 类，例如
tf.layer.Dense和tf.layers.Conv2D。构建完成后，它们具有返回权重和偏差张量的weights/variables方法。
关于machine-learning - 访问完全连接中的变量和偏置张量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47856057/