Tensorflow：从更改的模型加载检查点
Tensorfllow: load checkpoint from changed model
出于某种原因，我想测试检测器和他的相同版本的性能差异，但使用一些 3d 卷积进行了微调。
检测器的模型是 google EfficientDet，权重在自定义数据上微调。
我想知道是否可以在图形定义不相同的模型中加载我的自定义权重（某些层会有 3d 卷积）。有什么方法可以做到这一点。
我是 Tensorflow 的新手，有点难过，因为在 Pytorch 中这会很容易
谢谢
您可以加载第二个模型，获取层的权重并设置模型的权重：
source_model = keras.models.load_model('path/to/location')
weight = source_model.layers[0].get_weights() # <= change index here
EfficientDetModel.layers[0].set_weights(weight) # <= change index here
出于某种原因，我想测试检测器和他的相同版本的性能差异，但使用一些 3d 卷积进行了微调。
检测器的模型是 google EfficientDet，权重在自定义数据上微调。
我想知道是否可以在图形定义不相同的模型中加载我的自定义权重（某些层会有 3d 卷积）。有什么方法可以做到这一点。
我是 Tensorflow 的新手，有点难过，因为在 Pytorch 中这会很容易
谢谢
您可以加载第二个模型，获取层的权重并设置模型的权重：
source_model = keras.models.load_model('path/to/location')
weight = source_model.layers[0].get_weights() # <= change index here
EfficientDetModel.layers[0].set_weights(weight) # <= change index here