代码可以参考：使用tensorflow的模型文件，修改参数名称和数值，合并两个模型等

https://blog.csdn.net/chanbo8205/article/details/88172592

我们的写法也是类似这个博客的写法。

 

1. def main():

2. if not os.path.exists(args.new_checkpoint_path):

3. os.makedirs(args.new_checkpoint_path)

4. with tf.Session() as sess:

5. new_var_list=[] #新建一个空列表存储更新后的Variable变量

6. for var_name, _ in tf.contrib.framework.list_variables(args.checkpoint_path): #得到checkpoint文件中所有的参数（名字，形状）元组

7. var = tf.contrib.framework.load_variable(args.checkpoint_path, var_name) #得到上述参数的值

8.  

9. new_name = var_name

10. new_name = args.add_prefix + new_name #在这里加入了名称前缀，大家可以*地作修改

11.  

12. #除了修改参数名称，还可以修改参数值（var）

13.  

14. print('Renaming %s to %s.' % (var_name, new_name))

15. renamed_var = tf.Variable(var, name=new_name) #使用加入前缀的新名称重新构造了参数

16. new_var_list.append(renamed_var) #把赋予新名称的参数加入空列表

17.  

18. print('starting to write new checkpoint !')

19. saver = tf.train.Saver(var_list=new_var_list) #构造一个保存器

20. sess.run(tf.global_variables_initializer()) #初始化一下参数（这一步必做）

21. model_name = 'deeplab_resnet_altered' #构造一个保存的模型名称

22. checkpoint_path = os.path.join(args.new_checkpoint_path, model_name) #构造一下保存路径

23. saver.save(sess, checkpoint_path) #直接进行保存

24. print("done !")

25.  

26. if __name__ == '__main__':

27. main()