對保存的參數checkpoints進行可視化讀取 1.pywrap_tensorflow.NewCheckpoint(獲得checkpoint的讀取器) 2.np.save(對npy文件進行保存) 3.tl.file.load_npy_to_any(對保存的npy文件進行讀取)

1. pywrap_tensorflow.NewCheckpoint(path)獲得checkpoint的讀取器

參數說明： path表示checkpoint的路徑

2.np.save(path, dict) 根據路徑將數據保存為npy類型

參數說明：path表示進行參數保存的路徑, dict 表示需要進行保存的參數

3.tl.file.load_npy_to_any(name=path)對保存的npy文件進行讀取

參數說明：name=path表示進行參數讀取的路徑

代碼說明：

第一步：使用pywrap_tensorflow.NewCheckpoint(path)獲得checkpoint的參數讀取器

第二步：使用reader.get_variable_to_shape_map()構造字典

第三步：循環key，將鍵值對寫入到all_variable.npy 

第四步：使用tl.file.load_npy_to_any將npy數據進行讀取

from tensorflow.python import pywrap_tensorflow
import os
import numpy as np
import tensorlayer as tl



#print出ckpt里的所有變量
# 第一步：構建讀取checkpoint的reader 
model_dir = './models'
checkpoints = model_dir + os.path.sep + 'model-20180626-205832.ckpt-60000'
reader = pywrap_tensorflow.NewCheckpointReader(checkpoints)
# 第二步：構建參數字典
var_to_shape_map = reader.get_variable_to_shape_map() # 存儲所有變量
# 第三步：循環key，構建數據，使用np.save()進行數據保存
for key in var_to_shape_map:
    var_to_shape_map[key] = reader.get_tensor(key)
    np.save('all_variable.npy', var_to_shape_map)
# 第四步:使用tl.files.load_npy_to_any進行數據的讀取
# data2 = np.load('./all_variable.npy', allow_pickle=True)
data = tl.files.load_npy_to_any(name='all_variable.npy')
for key, value in data.items():
    print(key, value.shape)