【发布时间】：2018-12-13 11:07:59
【问题描述】：
我的迁移学习实施遇到了问题。我想我找到了根本原因，但我不清楚它为什么会这样。这是解释...
如果我创建一个模型（例如来自 keras.applications 的 resnet50），然后尝试在 tensorflow 会话中使用它，权重会突然发生变化。 这是一个简单的例子：
首先导入必要的库：
import tensorflow as tf
from keras.applications.resnet50 import ResNet50
from keras.models import Model
然后定义模型如下：
model = ResNet50(weights='imagenet')
现在从其中一层打印出参数如下：
model.get_layer('conv1').get_weights()
输出很长，但开头如下：
[array([[[[ 2.82526277e-02, -1.18737184e-02, 1.51488732e-03, ...,
-1.07003953e-02, -5.27982824e-02, -1.36667420e-03],
[ 5.86827798e-03, 5.04415408e-02, 3.46324709e-03, ...,
1.01423981e-02, 1.39493728e-02, 1.67549420e-02],
[-2.44090753e-03, -4.86173332e-02, 2.69966386e-03, ...,
-3.44439060e-04, 3.48098315e-02, 6.28910400e-03]],
在程序的后面，我需要从 csv 文件中读取一些数据。我尝试使用来自 tensorflow 的数据集 API 来读取数据。为此，我创建了一个 tensorflow 会话。如果我想在 tensorflow 会话中使用模型，我会看到模型参数发生了变化。
这是一个代码示例：
init_global_var = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init_global_var)
print(model.get_layer('conv1').get_weights())
输出开始如下：
[array([[[[ 3.95432524e-02, -2.38095019e-02, -1.64129660e-02, ...,
-2.83494107e-02, 2.25975104e-02, -1.48569904e-02],
[ 2.40861587e-02, 1.48933977e-02, -4.10864130e-02, ...,
-3.18703875e-02, -9.43836942e-03, 1.18204653e-02],
[ 2.99405716e-02, 1.69009715e-03, -1.43084712e-02, ...,
-2.93575712e-02, 2.70796008e-02, -3.17203328e-02]],
由于我还没有训练模型，我希望看到相同的参数值，但它们不一样！
所以问题是：我必须在 tensorflow 会话中创建模型吗？为什么我的 resnet50 模型可以访问，但在 tensorflow 会话中具有不同的参数值？
【问题讨论】：
-
所有权重都保存在
save_weights中。如果能提供错误信息和重现错误的示例代码就更好了。 -
@Yu-Yang，谢谢你的回答！我一直在研究这个问题，并在很大程度上更新了上面的问题。非常欢迎您的新 cmets。
-
我认为你不应该运行
global_variables_initializer。这将重新初始化权重。 -
是的，我发现运行初始化程序会破坏一切。但一般建议似乎不是在这种情况下创建新的 tf 会话。 Stackoverflow 中有一个与此相关的类似问题。我把链接放在下面的答案中。
标签： tensorflow machine-learning keras conv-neural-network