tensorflow 实现从checkpoint中获取graph信息

代码： import tensorflow as tf sess = tf.Session() check_point_path = 'variables' saver = tf.train.import_meta_graph('variables/save_variables.ckpt.meta') saver.restore(sess, tf.train.latest_checkpoint(check_point_path)) graph = tf.get_default_graph() #print(graph.get_operations()) #with open('op.txt' 在TensorFlow中，模型训练过程中通常会定期保存检查点（checkpoint）以记录当前模型的状态，以便后续恢复训练或部署模型。本篇文章将详细介绍如何利用TensorFlow从checkpoint文件中获取图（graph）信息。 我们需要导入必要的库： ```python import tensorflow as tf ``` 接着，我们创建一个TensorFlow会话（Session）： ```python sess = tf.Session() ``` 假设我们已经有一个名为`variables/save_variables.ckpt.meta`的元数据文件，它包含了图的信息。我们可以使用`tf.train.import_meta_graph()`来导入这个元数据，并创建一个`Saver`对象用于恢复模型： ```python check_point_path = 'variables' saver = tf.train.import_meta_graph('variables/save_variables.ckpt.meta') ``` 然后，通过`saver.restore()`方法，我们可以恢复最近的检查点状态，这里的`tf.train.latest_checkpoint(check_point_path)`会返回指定目录下的最新检查点路径： ```python saver.restore(sess, tf.train.latest_checkpoint(check_point_path)) ``` 一旦模型被恢复，我们可以通过`tf.get_default_graph()`获取当前默认的图，然后使用`graph.get_operations()`来获取图中的所有操作（Operation）： ```python graph = tf.get_default_graph() print(graph.get_operations()) ``` 如果想要进一步获取特定的张量（Tensor），可以使用`graph.get_tensor_by_name()`，传入张量的名称（例如，'fully_connected/biases:0'）： ```python op1 = graph.get_tensor_by_name('fully_connected/biases:0') print(op1) ``` 此外，我们还可以使用`pywrap_tensorflow`库的`NewCheckpointReader`来读取检查点文件中的变量信息： ```python import os import tensorflow as tf from tensorflow.python import pywrap_tensorflow check_point_path = 'variables' ckpt = tf.train.get_checkpoint_state(checkpoint_dir=check_point_path) checkpoint_path = os.path.join('.', ckpt.model_checkpoint_path) reader = pywrap_tensorflow.NewCheckpointReader(checkpoint_path) 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)) ``` 或者使用`inspect_checkpoint.print_tensors_in_checkpoint_file()`函数，打印出检查点文件中的张量信息： ```python from tensorflow.python.tools.inspect_checkpoint import print_tensors_in_checkpoint_file print_tensors_in_checkpoint_file("variables/save_variables.ckpt", tensor_name='', all_tensors=False, all_tensor_names=False) ``` 值得注意的是，`tf.train.latest_checkpoint(check_point_path)`用于获取最新的检查点路径，而`tf.train.get_checkpoint_state(check_point_path).model_checkpoint_path`则是获取`CheckpointState`对象中记录的最新检查点路径，两者在某些情况下可能会不同，因此在使用时要根据实际需求选择合适的方法。 通过以上步骤，我们可以从TensorFlow的checkpoint文件中恢复模型并获取图结构以及张量信息，这对于模型的保存、加载和调试都是非常关键的。在实际应用中，了解这些技巧可以帮助我们更好地管理和利用模型训练的成果。