#编码=gbk 进口numpy np 进口tensorflow特遣部队 从tensorflow。python导入pywrap_tensorflow checkpoint_path='模式。ckpt - 5000 #你ckpt路径 读者=pywrap_tensorflow.NewCheckpointReader (checkpoint_path) var_to_shape_map=reader.get_variable_to_shape_map () alexnet={} alexnet_layer=[‘conv1’,‘conv2’,‘conv3’,‘conv4’,‘conv5’,‘fc6’,‘fc7’,‘fc8’) add_info=(“权重”,“偏见”) alexnet={conv1: [[], []],“conv2”: [[], []],“conv3”: [[], []],“conv4”: [[], []],“conv5”: [[], []],“fc6”: [[], []],“fc7”: [[], []],“fc8”: [[], []]} 在var_to_shape_map关键: #打印(“tensor_name”键) str_name=关键 #因为模型使用亚当算法优化的,在生成的ckpt中,有亚当后缀的张量 如果str_name.find(“亚当”)在1: 继续 打印(tensor_name:, str_name) 如果str_name.find(“/?在1: 名称=str_name.split (“/? #第一层名称和重量,偏见 layer_name[0]=名称 layer_add_info=名字[1] 其他: layer_name=str_name layer_add_info=没有 如果layer_add_info==叭ㄖ亍? alexnet [layer_name] [0]=reader.get_tensor(键) elif layer_add_info==捌? alexnet [layer_name] [1]=reader.get_tensor(键) 其他: alexnet [layer_name]=reader.get_tensor(键) #保存npy np.save (alexnet_pointing04.npy, alexnet) 打印(“拯救npy在…”) #打印(alexnet [' conv1 '] [0] .shape) #打印(alexnet [' conv1 '] [1] .shape)
以上这篇将tensorflow的ckpt模型存储为npy的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。