TensorFlow 使用 NewCheckpointReader 读取模型变量与值
发布时间：2026-10-13| 6人浏览过
本文介绍如何在 TensorFlow 中使用 tf.train.NewCheckpointReader 类来读取保存的模型文件。通过该工具，开发者可以查看模型中所有变量的名称、数据类型及形状，并直接获取特定变量的张量值，适用于模型调试与权重分析。
初始化 NewCheckpointReader
在 TensorFlow 中，可以使用 tf.train.NewCheckpointReader(model_dir) 来创建检查点读取器实例，其中 model_dir 指向模型所在的目录。
一个标准的 TensorFlow 模型文件通常包含几个关键部分，model_dir 参数应指定为模型文件的主文件名（例如 MyModel，不包含后缀）。
checkpoint
Model.meta
Model.data-00000-of-00001
Model.index
import tensorflow as tf
import pprint # 使用pprint 提高打印的可读性
NewCheck =tf.train.NewCheckpointReader("model")查看模型变量信息
为了打印模型中保存的所有变量信息，可以调用读取器的 debug_string() 方法。
print("debug_string:\n")
pprint.pprint(NewCheck.debug_string().decode("utf-8"))
输出的调试字符串主要包含三个字段：变量的名称、数据类型以及张量的形状（shape）。
获取变量具体数值
如果需要获取具体变量中的数值，可以使用 get_tensor() 方法并传入变量名。
print("get_tensor:\n")
pprint.pprint(NewCheck.get_tensor("D/conv2d/bias"))
print("get_variable_to_dtype_map\n")
pprint.pprint(NewCheck.get_variable_to_dtype_map())
print("get_variable_to_shape_map\n")
pprint.pprint(NewCheck.get_variable_to_shape_map())
以上介绍了 TensorFlow 中读取模型保存值的常用方法 tf.train.NewCheckpointReader，希望能为读者提供参考。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
