长春网站优化方案,购物网站开发需求分析,世界建筑设计公司排名,字母logo设计网站当我们想要改造或者利用某一预训练模型来完成一些其它任务时#xff0c;一个常用且必备的操作是从指定模型中获取到我们感兴趣的张量#xff08;tensor#xff09;。
例如我想使用一个已经训练好的CNN模型中间的某一层的结果作为特征向量来完成另一个相关任务#xff0c;就…当我们想要改造或者利用某一预训练模型来完成一些其它任务时一个常用且必备的操作是从指定模型中获取到我们感兴趣的张量tensor。
例如我想使用一个已经训练好的CNN模型中间的某一层的结果作为特征向量来完成另一个相关任务就需要这样的操作。
如何做到很简单只需两步
1.获取到感兴趣张量的名字.
2.使用get_tensor_by_name函数获取
下面详细说明下
1.获取到感兴趣张量的名字
我们知道张量tensor是由操作operation运行得到的。
因此实际上你要做的就是获取到能够生成你想要的tensor的op的名字无论你用什么方法。
通常情况有两种方法可以获取到op_name。
1如果模型是你自己搭建的你直接可以通过查看搭建网络的源代码来确认op_name。
因此对于具有关键含义的op创建时为其自定义一个合适的名字或者创建scope分组是一个良好的编码习惯。
2如果你对拿到的模型毫无头绪参考并修改下面的代码打印出所有的张量信息
with tf.Graph().as_default():config tf.ConfigProto()sess tf.Session(config config)with sess.as_default():meta_path checkpoint_path .metasaver tf.train.import_meta_graph(meta_path)saver.restore(sess, checkpoint_path)op_list sess.graph.get_operations()for op in op_list:print(op.name)print(op.values())上面的代码会输出类似如下的结果
...
...
resnet_v1_50/pool5
(tf.Tensor resnet_v1_50/pool5:0 shape(?, 1, 1, 2048) dtypefloat32,)
Logits/Squeeze
(tf.Tensor Logits/Squeeze:0 shape(?, 2048) dtypefloat32,)
...
...剩下需要做的就是基于你对模型结构的理解找到你想要的张量对应的op_name。
例如我想要的便是resnet50模型最后一个pooling层摊平后的张量对应的op_name为‘Logits/Squeeze:0’
2.使用get_tensor_by_name函数获取想要的张量
获取到了op_name,剩下的事情仅仅是调用get_tensor_by_name函数来拿到它例如
embedding tf.get_default_graph().get_tensor_by_name(Logits/Squeeze:0)
