代码之家 › 专栏 › 技术社区 › Yanjun

如何计算由加载的图形定义的tensorflow模型中可训练参数的总数。pb文件?

convolutional-neural-network neural-network tensorflow

Yanjun · 技术社区 · 6 年前

我想计算tensorflow模型中的参数。这与现有问题类似,如下所示。

How to count total number of trainable parameters in a tensorflow model?

但如果模型是使用加载自的图形定义的。pb文件,所有建议的答案都不起作用。基本上,我用以下函数加载了图形。

def load_graph(model_file):

  graph = tf.Graph()
  graph_def = tf.GraphDef()

  with open(model_file, "rb") as f:
    graph_def.ParseFromString(f.read())

  with graph.as_default():
    tf.import_graph_def(graph_def)

  return graph

一个示例是加载冻结的\u图。tensorflow-for-poets-2中用于再培训的pb文件。

https://github.com/googlecodelabs/tensorflow-for-poets-2

1 回复 | 直到 6 年前

Y. Luo 6 年前

据我所知 GraphDef 没有足够的信息来描述 Variables .如上所述 here ,您将需要 MetaGraph ,其中包含 GraphDef公司 和 CollectionDef 这是一张可以描述 变量 因此,以下代码应为我们提供正确的可训练变量计数。

导出元图形:

import tensorflow as tf

a = tf.get_variable('a', shape=[1])
b = tf.get_variable('b', shape=[1], trainable=False)
init = tf.global_variables_initializer()
saver = tf.train.Saver([a])

with tf.Session() as sess:
    sess.run(init)
    saver.save(sess, r'.\test')

导入元图并计算可训练参数的总数。

import tensorflow as tf

saver = tf.train.import_meta_graph('test.meta')

with tf.Session() as sess:
    saver.restore(sess, 'test')

total_parameters = 0
for variable in tf.trainable_variables():
    total_parameters += 1
print(total_parameters)

推荐文章

rob me of my freedom · 在不使用Y_pred和Y_actual的tensorflow中编写自定义损失

2 年前

fateme · MATLAB,神经网络

2 年前

Chris · ROC公制in train(),插入符号包

6 年前

Christopher Brown · 将二维模型跨过图像以生成标签图像(不是卷积)

6 年前

user9851027 · 强化学习、深度学习和深度强化学习之间有什么区别?

6 年前

sanity_overflow · 在机器学习的多类分类中,“一对一”和“一对一”策略有什么区别?

6 年前

Mitch · XOR神经网络收敛到0.5

6 年前

Mauro Gentile · 在Keras中使用earlystoping回调时,如何获得最佳模型?

6 年前

Funzo · 如何计算一个矩阵中所有行相对于另一个矩阵中所有行的余弦_相似性

6 年前

Helen · Keras解释:输入层中的节点数

6 年前