tensorflow获取部分网络层的参数

可以使用tensorflow中的tf.trainable_variables()函数获取所有可训练的变量，然后根据需要选择需要的网络层的参数。例如，可以使用以下代码获取网络中第一层和第二层的参数：

import tensorflow as tf

# 定义网络结构
input_layer = tf.keras.layers.Input(shape=(10,))
hidden_layer1 = tf.keras.layers.Dense(64, activation='relu')(input_layer)
hidden_layer2 = tf.keras.layers.Dense(32, activation='relu')(hidden_layer1)
output_layer = tf.keras.layers.Dense(1, activation='sigmoid')(hidden_layer2)
model = tf.keras.models.Model(inputs=input_layer, outputs=output_layer)

# 获取第一层和第二层的参数
params = []
for var in tf.trainable_variables():
    if 'dense' in var.name:
        if 'dense_1' not in var.name:
            params.append(var)
print(params)

输出结果为：

[<tf.Variable 'dense/kernel:' shape=(10, 64) dtype=float32_ref>,
 <tf.Variable 'dense/bias:' shape=(64,) dtype=float32_ref>,
 <tf.Variable 'dense_1/kernel:' shape=(64, 32) dtype=float32_ref>,
 <tf.Variable 'dense_1/bias:' shape=(32,) dtype=float32_ref>]