在张量流中加载较旧的检查点

我使用Tensorflow r0.12训练了一些模型并保存了它。后来我更新到r1.0.1。某些型号的加载没有任何问题，但如果型号中有RNN单元，则加载将失败，并显示Key layer-5/bidirectional_rnn/bw/multi_rnn_cell/cell_1/basic_rnn_cell/biases not found in checkpoint。另外，如果我检查model.index文件，我在那里看到类似的条目，例如：5/BiRNN/BW/MultiRNNCell/Cell0/BasicRNNCell/Linear/Bias。在张量流中加载较旧的检查点

与RNN细胞的包现在在tf.contrib.rnn（这是tf.nn.rnn_cell在0.12），所以我认为一些命名已经改变。

问题是：有没有办法加载我的模型，重新映射其张量并保存张量名称与r1.0兼容？

P.S.如果有帮助，我也有model.meta文件。

谢谢！

来源

2017-04-10 akademi4eg

如果有人得到同样的问题，这里是我使用的解决方案。它是inspect_checkpoint.py在tensorflow.python.tools中的张量打印功能的修改版本。


def resave_tensors(file_name, rename_map, dry_run=False): 
    """ 
    Updates checkpoint by renaming tensors in it. 
    :param file_name: Filename with checkpoint. 
    :param rename_map: Map from old names to new ones 
    :param dry_run: If True, just print new tensors. 
    """ 
    renames_count = 0 
    reader = pywrap_tensorflow.NewCheckpointReader(file_name) 
    var_to_shape_map = reader.get_variable_to_shape_map() 
    for key in sorted(var_to_shape_map): 
     print("tensor_name: ", key) 
     tensor_val = reader.get_tensor(key) 
     print('shape: {}'.format(tensor_val.shape)) 
     if key in rename_map: 
      renames_count += 1 
      key = rename_map[key] 
     tf.Variable(tensor_val, dtype=tensor_val.dtype, name=key) 
    saver = tf.train.Saver() 
    if not dry_run: 
     with tf.Session() as session: 
      session.run(tf.global_variables_initializer()) 
      saver.save(session, file_name) 
    print('Renamed vars: {}'.format(renames_count))

来源

2017-04-10 13:31:02 akademi4eg

在张量流中加载较旧的检查点

回答

相关问题