如何从TensorFlow已恢复的图与检查点中获取可训练变量的值

嘿，我来帮你搞定这个问题！你已经能正常恢复检查点做推理，说明基础的加载流程没问题，只是获取变量具体数值的方法没找对～这里有几个实用的方案，你可以根据自己的场景来选：

方案1：直接从检查点加载变量值（无需重建计算图） #

如果你只是想查看变量的数值，不需要运行整个计算图，这个方法最直接高效：

• 先用tf.train.list_variables()列出检查点里所有变量的名称和形状，帮你确认目标权重/偏置的准确名称：

  import tensorflow as tf
  
  checkpoint_path = "你的检查点路径（例如xxx.ckpt）"
  # 枚举所有变量信息
  vars_info = tf.train.list_variables(checkpoint_path)
  for var_name, var_shape in vars_info:
      print(f"变量名：{var_name}，形状：{var_shape}")
  

• 找到目标变量名后，用tf.train.load_variable()直接读取数值：

  # 读取指定变量的具体数值
  target_weight = tf.train.load_variable(checkpoint_path, "layer1/weights")
  target_bias = tf.train.load_variable(checkpoint_path, "layer1/biases")
  # 打印查看结果
  print("权重数值：\n", target_weight)
  print("偏置数值：\n", target_bias)
  

方案2：在已恢复的会话中获取变量值 #

如果你已经重建了计算图并完成了会话恢复，可以通过以下方式获取：

• 若模型是用变量作用域（variable_scope）定义的，用tf.get_variable()并设置reuse=True来获取对应变量，再通过会话运行得到数值：

  import tensorflow as tf
  
  # 严格按照训练时的结构重建模型
  with tf.variable_scope("layer1", reuse=True):
      weights = tf.get_variable("weights")
      biases = tf.get_variable("biases")
  
  # 初始化Saver并恢复会话
  saver = tf.train.Saver()
  with tf.Session() as sess:
      saver.restore(sess, checkpoint_path)
      # 获取变量的具体数值
      weight_val, bias_val = sess.run([weights, biases])
      print("权重数值：\n", weight_val)
  

• 若不确定变量名，可遍历所有全局变量筛选目标：

  with tf.Session() as sess:
      saver.restore(sess, checkpoint_path)
      # 遍历全局变量，筛选权重/偏置类变量
      for var in tf.global_variables():
          if "weights" in var.name or "biases" in var.name:
              var_value = sess.run(var)
              print(f"变量名：{var.name}，数值：\n{var_value}")
  

常见问题排查 #

• 如果调用tf.get_variable()时提示“变量不存在”，大概率是变量作用域的结构和训练时不一致，或者忘了设置reuse=True。一定要保证重建图时的variable_scope嵌套层级、名称和训练阶段完全相同。
• 若检查点中的变量名和当前图中的变量名不匹配，可以通过tf.train.Saver的var_list参数手动映射：

  # 示例：将检查点中的"old_layer/weights"映射到当前图的new_weights变量
  saver = tf.train.Saver({
      "old_layer/weights": new_weights,
      "old_layer/biases": new_biases
  })
  

内容的提问来源于stack exchange，提问作者user3496060