如何获得模型创建的训练权重答案

【问题标题】：How to get the trained weights created by a model如何获得模型创建的训练权重
【发布时间】：2017-02-21 09:06:53
【问题描述】：

我实现了一个简单的逻辑回归。在运行训练算法之前，我为我的权重创建了一个占位符，我将所有权重初始化为 0...

W = tf.Variable(tf.zeros([784, 10]))

正确初始化所有变量后，逻辑回归就实现了（我已经测试并正确运行）...

for epoch in range(training_epochs):
    avg_cost = 0
    total_batch = int(mnist.train.num_examples/batch_size)
    # loop over all batches
    for i in range(total_batch):
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)
        _, c = sess.run([optimizer, cost], feed_dict={x: batch_xs, y: batch_ys})

        # compute average loss
        avg_cost += c / total_batch
    # display logs per epoch step
    if (epoch + 1) % display_step == 0:
        print("Epoch:", '%04d' % (epoch + 1), "cost=", "{:.9f}".format(avg_cost))

我的问题是，我需要提取模型中使用的权重。我将以下内容用于我的模型...

pred = tf.nn.softmax(tf.matmul(x, W) + b)  # Softmax

我尝试通过以下方式提取...

var = [v for v in tf.trainable_variables() if v.name == "Variable:0"][0]
print(sess.run(var[0]))

我认为训练后的权重将位于 tf.training_variables()，但是当我运行 print 函数时，我得到一个零数组。

我想要的是所有的权重集。但由于某种原因，我得到的是零数组，而不是分类器的实际权重。

【问题讨论】：

标签： python machine-learning tensorflow

【解决方案1】：

更简单，只需使用 run 函数评估权重，您将返回带有值的 numpy 数组：

sess.run([x, W, b])

【讨论】：

【解决方案2】：

变量W 应指训练后的权重。请尝试简单地做：sess.run(W)

【讨论】：