tensorflow 实现从checkpoint中获取graph信息

为了实现从checkpoint中获取TensorFlow的Graph信息，可以使用TensorFlow提供的tf.train.import_meta_graph()和tf.train.Saver()两个函数结合起来。具体步骤如下：

1. 加载checkpoint模型

import tensorflow as tf

checkpoint_path = "model.ckpt"
saver = tf.train.import_meta_graph(checkpoint_path + ".meta")
saver.restore(sess, checkpoint_path)

1. 获取Graph

graph = tf.get_default_graph()

1. 获取Graph中的所有操作

for op in graph.get_operations():
    print(op.name)

1. 获取指定操作的张量

tensor = graph.get_tensor_by_name("input_tensors:0")

1. 获取指定Tensor的shape信息

shape = tensor.get_shape().as_list()
print(shape)

下面是两个示例：

示例1：获取保存在checkpoint中的VGG16模型，并获取该模型中某个卷积层的权重张量。

import tensorflow as tf
import numpy as np

checkpoint_path = "vgg16.ckpt"
saver = tf.train.import_meta_graph(checkpoint_path + ".meta")
sess = tf.Session()
saver.restore(sess, checkpoint_path)

graph = tf.get_default_graph()

# 打印所有操作的name
for op in graph.get_operations():
    print(op.name)

# 获取指定操作的张量
w_conv1_1 = graph.get_tensor_by_name("conv1_1/weights:0")

# 打印该张量的shape信息
print(w_conv1_1.get_shape().as_list())

# 获取该张量的值
w_conv1_1_value = sess.run(w_conv1_1)

# 打印该张量的值
print(w_conv1_1_value)

示例2：获取保存在checkpoint中的BERT模型，并获取该模型中某个embedding层的输入张量。

import tensorflow as tf

checkpoint_path = "bert_model.ckpt"
saver = tf.train.import_meta_graph(checkpoint_path + ".meta")
sess = tf.Session()
saver.restore(sess, checkpoint_path)

graph = tf.get_default_graph()

# 打印所有操作的name
for op in graph.get_operations():
    print(op.name)

# 获取指定操作的张量
input_tensor = graph.get_tensor_by_name("input_ids:0")

# 打印该张量的shape信息
print(input_tensor.get_shape().as_list())

可以根据自己的需求，调整以上示例中的代码来实现自己需要的功能。