#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。
