tensorboard使用及tensorflow各层权重系数输出

环境Python3.7.5，tensorflow、tensorboard均为1.14.0

首先，读取meta文件，ckpt文件夹内含有以下文件：

读取代码如下：（ckpt路径需要对应，本例中meta文件分为model.ckpt-0.meta及model.ckpt-7425.meta两组文件，ckpt路径分别到model.ckpt-0及model.ckpt-7425）

import tensorflow as tf
from tensorflow.python.platform import gfile
graph = tf.get_default_graph()
graphdef = graph.as_graph_def()
_ = tf.train.import_meta_graph("Desktop/ww/model.ckpt-7086.meta")
summary_write = tf.summary.FileWriter("Desktop/ww/log" , graph)
summary_write.close()

随后，在终端使用tensorboard提取日志内容：

tensorboard --logdir=Desktop/ww/log/ --host=127.0.0.1 --port=6006

查看

tensorboard使用及tensorflow各层权重系数输出

并可进一步查看相关结构，可以在代码中插入tf.summary.scalar来监听系数变化，参考：https://blog.csdn.net/sinat_33761963/article/details/62433234

打印权重系数代码：

from tensorflow.python import pywrap_tensorflow
reader = pywrap_tensorflow.NewCheckpointReader("Desktop/ww/model.ckpt-7086")
var_to_shape_map = reader.get_variable_to_shape_map()
for key in var_to_shape_map:
    print("tensor_name: ", key)
    print(reader.get_tensor(key))

更新：

使用TensorFlow高阶API Estimator时，会自动生成详细的tensorboard日志，不需要读取模型，直接：

tensorboard --logdir=Desktop/model_ckpt20200106 --host=127.0.0.1 --port=6006

即可查看

tensorboard使用及tensorflow各层权重系数输出

相关推荐