如何获得模型创建的训练权重

Question

我实现了一个简单的逻辑回归。 在运行训练算法之前，我为权重创建了一个占位符，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，便实现了逻辑回归（已测试并正确运行）...

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。 我为模型使用了以下内容...

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]))

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

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

Answer 1

变量W应参考训练后的权重。 请尝试简单地做： sess.run(W)

Answer 2

简单得多，只需使用run函数评估权重，您将获得具有值的numpy数组：

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