tensorflow输出的模型文件有3个：
.data-00000-of-00001
.index
.meta

.meta

保存的网络的结构框架，所以保存不同阶段模型时，不同的.meta可以相互替换。

.index和.data-00000-of-00001

保存了网络结构中所有权重和偏置的数值。

import tensorflow as tf

NewCheck = tf.train.NewCheckpointReader('checkpoints/20200702-1506/model.ckpt-10000')

# 打印模型中的所有变量
print('debug_string:')
print(NewCheck.debug_string().decode('utf-8'))

# # 获取变量中的值
print('get_tensor:')
print(NewCheck.get_tensor('G/d64/weights'))

# 打印模型中的所有变量
print("get_variable_to_dtype_map:")
print(NewCheck.get_variable_to_dtype_map())

部分输出如下：

debug_string:
D_X/C128/instance_norm/offset (DT_FLOAT) [128]
D_X/C128/instance_norm/offset/Adam_D_X (DT_FLOAT) [128]
D_X/C128/instance_norm/offset/Adam_D_X_1 (DT_FLOAT) [128]
D_X/C128/instance_norm/scale (DT_FLOAT) [128]
D_X/C128/instance_norm/scale/Adam_D_X (DT_FLOAT) [128]
D_X/C128/instance_norm/scale/Adam_D_X_1 (DT_FLOAT) [128]

get_tensor:
[[[[-2.24834029e-02  1.09406319e-02 -7.64506171e-03 ...  2.77568642e-02
    -1.48543799e-02 -3.74433547e-02]
   [-2.56877709e-02  1.50775947e-02  3.01289018e-02 ...  1.18831135e-02
     5.33298124e-03 -3.52373309e-02]
   [ 1.79959983e-02 -8.84884503e-03 -3.83310020e-02 ...  4.73532341e-02
     3.36771645e-02  3.71183567e-02]

get_variable_to_dtype_map:
{'beta2_power_2': tf.float32, 'beta2_power_1': tf.float32,  'beta2_power': tf.float32, 'beta1_power_2': tf.float32