在TensorFlow训练的模型中获取某些权重的值

我已经使用TensorFlow训练了ConvNet模型，并且希望在图层中获得特定的权重。例如，在torch7中，我只需访问即可model.modules[2].weights。获得第2层的权重。我如何在TensorFlow中做同样的事情？

在TensorFlow中，训练后的权重由tf.Variable对象表示。如果您自己创建了一个（例如tf.Variable称为）v，则可以通过调用sess.run(v)（其中sess是tf.Session）来将其值作为NumPy数组获取。

如果当前没有指向的指针，则tf.Variable可以通过调用获取当前图形中可训练变量的列表tf.trainable_variables()。此函数返回tf.Variable当前图形中所有可训练对象的列表，您可以通过匹配v.name属性来选择所需的对象。例如：

# Desired variable is called "tower_2/filter:0".
var = [v for v in tf.trainable_variables() if v.name == "tower_2/filter:0"][0]

2.0兼容答案：如果使用构建模型Keras Sequential API，则可以使用以下代码获取模型的权重：

!pip install tensorflow==2.1

from tf.keras import Sequential

model = Sequential()

model.add(Conv2D(filters=conv1_fmaps, kernel_size=conv1_ksize,
                         strides=conv1_stride, padding=conv1_pad,
                         activation=tf.nn.relu, input_shape=(height, width, channels),
                    data_format='channels_last'))

model.add(MaxPool2D(pool_size = (2,2), strides= (2,2), padding="VALID"))

model.add(Dropout(0.25))

model.add(Flatten())

model.add(Dense(units = 32, activation = 'relu'))

model.add(Dense(units = 10, activation = 'softmax'))

model.summary()

print(model.trainable_variables) 

最后一条语句，print(model.trainable_variables)将返回模型的权重，如下所示：

    [<tf.Variable 'conv2d/kernel:0' shape=(3, 3, 1, 32) dtype=float32>,
 <tf.Variable 'conv2d/bias:0' shape=(32,) dtype=float32>, <tf.Variable 
'dense/kernel:0' shape=(6272, 32) dtype=float32>, <tf.Variable 'dense/bias:0' 
shape=(32,) dtype=float32>, <tf.Variable 'dense_1/kernel:0' shape=(32, 10) 
dtype=float32>, <tf.Variable 'dense_1/bias:0' shape=(10,) dtype=float32>]

因此，如果逐步执行此代码，将首先获得已使用/可训练变量的列表。然后，您可以将它们排序在一个列表中，在其中将权重矩阵/列表排序为变量名，例如，如何处理该信息。

vars = tf.trainable_variables()
print(vars) #some infos about variables...
vars_vals = sess.run(vars)
for var, val in zip(vars, vars_vals):
    print("var: {}, value: {}".format(var.name, val)) #...or sort it in a list....