Извлечение значений из переменной Tensorflow

Question

Я новичок в Python и Tensorflow и столкнулся с некоторыми трудностями при получении значений из моего NN после фазы обучения.

import tensorflow as tf
import numpy as np
import input_data

mnist = input_data.read_data_sets("/tmp/data/", one_hot = True)

n_nodes_hl1 = 50
n_nodes_hl2 = 50

n_classes = 10
batch_size = 128

x = tf.placeholder('float',[None, 784])
y = tf.placeholder('float')

def neural_network_model(data):

    hidden_1_layer = {'weights': tf.Variable(tf.random_normal([784,n_nodes_hl1]),name='weights1'),
                      'biases': tf.Variable(tf.random_normal([n_nodes_hl1]),name='biases1')}
    hidden_2_layer = {'weights': tf.Variable(tf.random_normal([n_nodes_hl1, n_nodes_hl2]),name='weights2'),
                      'biases': tf.Variable(tf.random_normal([n_nodes_hl2]),name='biases2')}
    output_layer =   {'weights': tf.Variable(tf.random_normal([n_nodes_hl2, n_classes]),name='weights3'),
                      'biases': tf.Variable(tf.random_normal([n_classes]),name='biases3')}

    l1 = tf.add(tf.matmul(data, hidden_1_layer['weights']) , hidden_1_layer['biases'])
    l1 = tf.nn.relu(l1)

    l2 = tf.add(tf.matmul(l1, hidden_2_layer['weights']) , hidden_2_layer['biases'])
    l2 = tf.nn.relu(l2)

    output = tf.add(tf.matmul(l2, output_layer['weights']) , output_layer['biases'])

     return output


def train_neural_network(x):
    prediction = neural_network_model(x)
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=prediction,labels=y))
    optimizer = tf.train.AdamOptimizer().minimize(cost)

    hm_epochs = 100
    init = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer() )
    with tf.Session() as sess:
        sess.run(init)
        for epoch in range(hm_epochs):
            epoch_loss = 0
            for _ in range(int(mnist.train.num_examples / batch_size)) :
                 ep_x, ep_y = mnist.train.next_batch(batch_size)
                _, c = sess.run([optimizer, cost], feed_dict = {x: ep_x, y: ep_y})
                epoch_loss += c
            print('Epoch', epoch+1, 'completed out of', hm_epochs, 'loss:',epoch_loss)


        correct = tf.equal(tf.argmax(prediction,1), tf.argmax(y,1))
        accuracy = tf.reduce_mean(tf.cast(correct, 'float'))
        print('Accuracy:', accuracy.eval({x:mnist.test.images, y: mnist.test.labels}))


train_neural_network(x)

Я пытался извлечь веса из слоя 1, используя:

    w = tf.get_variable('weights1',shape=[784,50])
    b = tf.get_variable('biases1',shape=[50,])
    myWeights, myBiases = sess.run([w,b])

но эта ошибка броска Attempting to use uninitialized value weights1_1

это потому, что мои переменные имеют тип dict 'hidden_1_layer'?

Мне пока не комфортно с типами данных Python и Tensorflow, поэтому я в полной растерянности!

Answer 1

Используйте следующий код:

tensor_1 = tf.get_default_graph().get_tensor_by_name("weights1:0")
tesnor_2 = tf.get_default_graph().get_tensor_by_name("biases1:0")
sess = tf.Session()
np_arrays = sess.run([tensor_1, tensor_2])

Также есть другие способы сохранить переменную для последующего использования или анализа. Пожалуйста, укажите вашу цель для извлечения весов и уклонов. Прокомментируйте дальше, если необходимо дальнейшее обсуждение.

Answer 2

Когда вы пишете

w = tf.get_variable('weights1',shape=[784,50])
b = tf.get_variable('biases1',shape=[50,])

вы определяете 2 новых переменных:

1. weights1 становится weights1_1
2. biases1 становится biases1_1

потому что переменные с именами weights1 и biases1 уже существуют в графе, поэтому тензор потока добавляет для вас суффикс _<counter>, чтобы избежать конфликта имен.

Если вы хотите создать ссылку на уже существующую переменную, вам необходимо ознакомиться с концепцией scope scope .

Короче говоря, вы должны явно указать, что хотите повторно использовать определенную переменную, и вы можете сделать это, используя [tf.variable_scope] 2 с ее параметром повторного использования.

scope_name =  "" #default scope
with tf.variable_scope(scope_name, reuse=True):
    w = tf.get_variable('weights1',shape=[784,50])
    b = tf.get_variable('biases1',shape=[50,])