首页 文章

Tensorflow：如何在另一个图上初始化变量？

提问于
浏览 次
1

我有一个默认图表和一个新创建的图表（G1） .

在G1中，我有一个名为“a”的变量 .

我可以使用 tf.import_graph_def 将G1包含在主图上，并显示其"a"变量 .

How do I initialize this variable and successfully print the value of "a" ?

这是实际的代码：

import tensorflow as tf

INT = tf.int32


def graph():
    g = tf.Graph()
    with g.as_default() as g:
        a = tf.get_variable('a', [], INT, tf.constant_initializer(10))
    return g


tf.reset_default_graph()

g = graph()
[g_a] = tf.import_graph_def(g.as_graph_def(), return_elements=['a:0'])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(g_a))

以上操作无效， FailedPreconditionError: Attempting to use uninitialized value import/a 会出错 .

tensorflow

2 回答

  • 1

    出现错误的原因是，在导入图形def时，不会导入或恢复任何变量和值 .

    如果执行以下操作，则可以在另一个图形中使用变量：

    • 在会话中声明您的变量，然后运行tf.global_variables_initalizer（）

    • 保存您的变量
      导入graph_def后

    • ，恢复变量

    • important ：导入图形时def使用name =''使用与其他图形相同的名称空间，否则会出错

    一个最小的例子如何：

    import tensorflow as tf

INT = tf.int32

def graph():
    g = tf.Graph()
    with tf.Session(graph=g) as sess:
        a = tf.get_variable("a", shape=[1], dtype=INT, initializer=tf.constant_initializer(10))
        sess.run(tf.global_variables_initializer())
        saver = tf.train.Saver()
        saver.save(sess, './test_dir/test_save.ckpt')
        return g


g = graph()

tf.reset_default_graph()

g_a = tf.import_graph_def(g.as_graph_def(), return_elements=['a:0'], name='')

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    second_saver = tf.train.Saver(var_list=g_a)
    second_saver.restore(sess, './test_dir/test_save.ckpt')
    a = sess.graph.get_tensor_by_name('a:0')
    print(sess.run(a))
    回复于
  • 0

    所有您需要的内容在tensorflow文档中有详细说明：

    https://www.tensorflow.org/programmers_guide/saved_model

    使用关联代码示例查看此部分：

    选择要保存和恢复的变量

    如果未将任何参数传递给tf.train.Saver（），则保护程序将处理图中的所有变量 . 每个变量都保存在创建变量时传递的名称下 .

    有时在检查点文件中明确指定变量的名称很有用 . 例如，您可能已经使用名为“weights”的变量训练了一个模型，该变量的值要恢复为名为“params”的变量 .

    有时仅保存或恢复模型使用的变量子集也是有用的 . 例如，您可能已经训练了一个具有五层的神经网络，现在您想要训练一个具有六层的新模型，该模型重用五个训练层的现有权重 . 您可以使用保护程序恢复前五个图层的权重 .

    您可以通过传递给tf.train.Saver（）构造函数来轻松指定要保存或加载的名称和变量：

    • 变量列表（将以自己的名称存储） .

    • 一个Python字典，其中键是要使用的名称，值是要管理的变量

    回复于

相关问题