Se usó la API de Cloud Translation para traducir esta página.
Switch to English

tf.compat.v1.train.init_from_checkpoint

Ver código fuente en GitHub

Reemplaza tf.Variable inicializadores para que se carguen desde un archivo de controles.

Los valores no se cargan inmediatamente, pero cuando se ejecuta la inicialización (por lo general mediante la ejecución de un tf.compat.v1.global_variables_initializer op).

soportes mapa de asignaciones siguiente sintaxis:

  • 'checkpoint_scope_name/': 'scope_name/' - se cargará todas las variables en la corriente scope_name de checkpoint_scope_name con los nombres de tensor de juego.
  • 'checkpoint_scope_name/some_other_variable': 'scope_name/variable_name' - inicializará scope_name/variable_name variable a partir de checkpoint_scope_name/some_other_variable .
  • 'scope_variable_name': variable - inicializará dado tf.Variable objeto con tensor de 'scope_variable_name' desde el puesto de control.
  • 'scope_variable_name': list(variable) - será lista de variables repartió con tensor 'scope_variable_name' inicializar desde el puesto de control.
  • '/': 'scope_name/' - se cargará todas las variables en la corriente scope_name desde la raíz del punto de control (por ejemplo, no alcance).

Los soportes de carga en variables con particiones, que están representados como '<variable>/part_<part #>' .

Ejemplo:

 
# Say, '/tmp/model.ckpt' has the following tensors:
#  -- name='old_scope_1/var1', shape=[20, 2]
#  -- name='old_scope_1/var2', shape=[50, 4]
#  -- name='old_scope_2/var3', shape=[100, 100]

# Create new model's variables
with tf.compat.v1.variable_scope('new_scope_1'):
  var1 = tf.compat.v1.get_variable('var1', shape=[20, 2],
                         initializer=tf.compat.v1.zeros_initializer())
with tf.compat.v1.variable_scope('new_scope_2'):
  var2 = tf.compat.v1.get_variable('var2', shape=[50, 4],
                         initializer=tf.compat.v1.zeros_initializer())
  # Partition into 5 variables along the first axis.
  var3 = tf.compat.v1.get_variable(name='var3', shape=[100, 100],
                         initializer=tf.compat.v1.zeros_initializer(),
                         partitioner=lambda shape, dtype: [5, 1])

# Initialize all variables in `new_scope_1` from `old_scope_1`.
init_from_checkpoint('/tmp/model.ckpt', {'old_scope_1/': 'new_scope_1'})

# Use names to specify which variables to initialize from checkpoint.
init_from_checkpoint('/tmp/model.ckpt',
                     {'old_scope_1/var1': 'new_scope_1/var1',
                      'old_scope_1/var2': 'new_scope_2/var2'})

# Or use tf.Variable objects to identify what to initialize.
init_from_checkpoint('/tmp/model.ckpt',
                     {'old_scope_1/var1': var1,
                      'old_scope_1/var2': var2})

# Initialize partitioned variables using variable's name
init_from_checkpoint('/tmp/model.ckpt',
                     {'old_scope_2/var3': 'new_scope_2/var3'})

# Or specify the list of tf.Variable objects.
init_from_checkpoint('/tmp/model.ckpt',
                     {'old_scope_2/var3': var3._get_variable_list()})

 

ckpt_dir_or_file Directorio con el archivo de puntos de control o la ruta en checkpoint.
assignment_map Dict, donde las claves son los nombres de las variables en el puesto de control y los valores son variables o los nombres de las variables actuales (en el gráfico por defecto) actuales.

ValueError Si las variables en el gráfico actual falta, o si los puntos de control o tensores en los puestos de control que falta.