为张量的权重分配一个新值并保存回模型

Question

在 TF v1.3 中，我可以使用 tf.train.import_meta_graph 和 restore(sess,tf.train.latest_checkpoint 恢复模型的元数据和权重。运行 sess.run() 会给我张量的值。

我的问题是我如何能够将新值分配（重写）到张量的值并将其保存回模型中以供进一步处理。说，我有给定层的这些值：

>>>(sess.run('MobilenetV1/Conv2d_0/weights:0'))
...
1.55560642e-01,   1.29789323e-01,   2.59163193e-02,
8.00046027e-02,   4.73752208e-02,  -5.41094005e-01,
-8.93476382e-02,  -9.48717445e-02]]]], dtype=float32)

如何使用 tf.assign() 为这最后 8 个打印值分配不同的值并将其保存回我的检查点。

Answer 1

也许……这样对你有用：

import tensorflow as tf
import numpy as np
tf.reset_default_graph()


with tf.variable_scope('scope1') as scope:
    w = tf.get_variable('w', shape=[4,4])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    np_w = sess.run(w)
    print(np_w)
    np_w[2:,2:] = np.ones((2,2))
    print("  .  '"*10)
    print(np_w)
    print("  .  '"*10)
    with tf.variable_scope(scope, reuse=True):
        v=tf.get_variable('w')
        sess.run(tf.assign(w, np_w))
    print(sess.run(w))

举个例子，我用 get_variable 创建了一个随机 4x4 矩阵，并将子矩阵重新分配给 ones。希望这有帮助。

编辑

从您保存的模型中访问变量 w，然后为其子集分配一个新值：

w = [v for v in tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES) if v.name == 'w:0'][0]

现在您可以按照我上面的建议继续破解 w。 w 应该与恢复模型中的变量同名，例如MobilenetV1/Conv2d_0/weights.

为张量的权重分配一个新值并保存回模型

Assigning a new value to a Tensor's weight and saving back to the model

python

assign

tensorflow