对保存的参数checkpoints进行可视化读取 1.pywrap_tensorflow.NewCheckpoint，获得checkpoint的读取器 2.np.save

1. pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的读取器

参数说明： path表示checkpoint的路径

2.np.save(path, dict) 根据路径将数据保存为npy类型

参数说明：path表示进行参数保存的路径, dict 表示需要进行保存的参数

3.tl.file.load_npy_to_any(name=path)对保存的npy文件进行读取

参数说明：name=path表示进行参数读取的路径

代码说明：

第一步：使用pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的参数读取器

第二步：使用reader.get_variable_to_shape_map()构造字典

第三步：循环key，将键值对写入到all_variable.npy

第四步：使用tl.file.load_npy_to_any将npy数据进行读取

from tensorflow.python import pywrap_tensorflow
import os
import numpy as np
import tensorlayer as tl



#print出ckpt里的所有变量
# 第一步：构建读取checkpoint的reader 
model_dir = './models'
checkpoints = model_dir + os.path.sep + 'model-20180626-205832.ckpt-60000'
reader = pywrap_tensorflow.NewCheckpointReader(checkpoints)
# 第二步：构建参数字典
var_to_shape_map = reader.get_variable_to_shape_map() # 存储所有变量
# 第三步：循环key，构建数据，使用np.save()进行数据保存
for key in var_to_shape_map:
    var_to_shape_map[key] = reader.get_tensor(key)
    np.save('all_variable.npy', var_to_shape_map)
# 第四步:使用tl.files.load_npy_to_any进行数据的读取
# data2 = np.load('./all_variable.npy', allow_pickle=True)
data = tl.files.load_npy_to_any(name='all_variable.npy')
for key, value in data.items():
    print(key, value.shape)