訓練されたメタグラフからの重みとバイアス

Question

私はTensorFlowメタグラフとして再トレーニングされたInceptionV3 NNを正常にエクスポートしました。私はこのprotobufをPythonに戻して読みましたが、TensorFlowの外側にあるnnを再作成するために、メタグラフのprotobuf内に格納されていると仮定して、各レイヤーのウェイトとバイアスの値をエクスポートする方法を見て苦労しています。

私のワークフローは、次のような次のとおりです。ここから

Retrain final layer for new categories 
Export meta graph tf.train.export_meta_graph(filename='model.meta') 
Build python pb2.py using Protoc and meta_graph.proto 
Load Protobuf: 

import meta_graph_pb2 
saved = meta_graph_pb2.CollectionDef() 
with open('model.meta', 'rb') as f: 
    saved.ParseFromString(f.read()) 

私はノード名と、そのような同じように、グラフのほとんどの側面を見ることができますが、私は私の経験不足は、それが困難に正しい方法を追跡するために作っていると思います関連する各レイヤーのウェイト値とバイアス値にアクセスします。

Answer 1

MetaGraphDef protoには、実際には重みと偏りの値は含まれていません。代わりにtf.train.Saverで書かれた1つまたは複数のチェックポイントファイルに格納されている重みにGraphDefを関連付ける方法を提供します。 MetaGraphDef tutorialは詳細を持っていますが、次のようにおおよその構造は次のとおりです。あなたのトレーニングプログラムで

1. 、tf.train.Saverを使用して、チェックポイントを書き出します。同じディレクトリにある.metaファイルにもMetaGraphDefが書き込まれます。

   saver = tf.train.Saver(...) 
   # ... 
   saver.save(sess, "model") 
   

   あなたのチェックポイントディレクトリに（いくつかの整数NNNN用）model.metaと呼ばれるファイルやmodel-NNNNを見つける必要があります。

2. 別のプログラムでは、作成したMetaGraphDefをインポートし、チェックポイントから復元することができます。あなたは、各変数の値を取得したい場合は

   、あなたは（たとえば）tf.all_variables()コレクション内の変数を見つけて、その値を取得するためにsess.run()にそれを渡すことができます。たとえば、すべての変数の値を印刷するには、次の操作を実行できます。また、あなたはモデルから抽出しようとしている特定の重みとバイアスを見つけることtf.all_variables()をフィルタリングすることができ

   for var in tf.all_variables(): 
       print var.name, sess.run(var) 
   

   。