tf.contrib.framework.init_from_checkpoint

Инициализация текущих переменных загруженными тензорами с помощью карты присваивания.

tf.contrib.framework.init_from_checkpoint(
    checkpoint_dir, assignment_map
)

Примечание: Это переопределяет операции инициализации по умолчанию указанных переменных и переопределяет тип данных.

Карта присваивания поддерживает следующий синтаксис:

• 'checkpoint_scope_name/': 'scope_name/' - загрузит все переменные в текущей scope_name из checkpoint_scope_name с совпадающими именами переменных.
• 'checkpoint_scope_name/some_other_variable': 'scope_name/variable_name' - инициализирует переменную scope_name/variable_name из checkpoint_scope_name/some_other_variable.
• 'scope_variable_name': variable - инициализирует заданный объект tf.Variable переменной из контрольной точки.
• 'scope_variable_name': list(variable) - инициализирует список разбиеённых переменных переменной из контрольной точки.
• '/': 'scope_name/' - загрузит все переменные в текущей scope_name из корня контрольной точки (например, без области).

Поддерживает загрузку в разбиеённые переменные, которые представлены как '<variable>/part_<part #>'.

Пример:

# Create variables.
with tf.compat.v1.variable_scope('test'):
  m = tf.compat.v1.get_variable('my_var')
with tf.compat.v1.variable_scope('test2'):
  var2 = tf.compat.v1.get_variable('my_var')
var3 = tf.compat.v1.get_variable(name="my1", shape=[100, 100],
                       partitioner=lambda shape, dtype: [5, 1])
...
# Specify which variables to initialize from checkpoint.
init_from_checkpoint(checkpoint_dir, {
  'some_var': 'test/my_var',
  'some_scope/': 'test2/'})
...
# Or use `Variable` objects to identify what to initialize.
init_from_checkpoint(checkpoint_dir, {
  'some_scope/var2': var2,
})
# Initialize partitioned variables
init_from_checkpoint(checkpoint_dir, {
  'some_var_from_ckpt': 'part_var',
})
# Or specifying the list of `Variable` objects.
init_from_checkpoint(checkpoint_dir, {
  'some_var_from_ckpt': var3._get_variable_list(),
})
...
# Initialize variables as usual.
session.run(tf.get_all_variables())