【tensorflow】打印Tensorflow graph中的所有变量--tf.trainable_variables()

一般来说，打印tensorflow变量的函数有两个：
tf.trainable_variables () 和 tf.all_variables()
不同的是：
tf.trainable_variables () 指的是需要训练的变量
tf.all_variables() 指的是所有变量

一般而言，我们更关注需要训练的训练变量：
值得注意的是，在输出变量名时，要对整个graph进行初始化

一、打印需要训练的变量名称

sess.run(tf.global_varibales_initializer())
variable_name = [v.name for c in tf.trainable_variables()]
print(variable_names)

二、打印需要训练的变量名称和变量值

variable_names = [v.name for v in tf.trainable_variables()]
values = sess.run(variable_names)
for k,v in zip(variable_names, values):
    print("Variable: ", k)
    print("Shape: ", v.shape)
    print(v)

这里提供一个函数，打印变量名称，shape及其变量数目

def print_num_of_total_parameters(output_detail=False, output_to_logging=False):
    total_parameters = 0
    parameters_string = ""

    for variable in tf.trainable_variables():

        shape = variable.get_shape()
        variable_parameters = 1
        for dim in shape:
            variable_parameters *= dim.value
        total_parameters += variable_parameters
        if len(shape) == 1:
            parameters_string += ("%s %d, " % (variable.name, variable_parameters))
        else:
            parameters_string += ("%s %s=%d, " % (variable.name, str(shape), variable_parameters))

    if output_to_logging:
        if output_detail:
            logging.info(parameters_string)
        logging.info("Total %d variables, %s params" % (len(tf.trainable_variables()), "{:,}".format(total_parameters)))
    else:
        if output_detail:
            print(parameters_string)
        print("Total %d variables, %s params" % (len(tf.trainable_variables()), "{:,}".format(total_parameters)))