動作環境

GeForce GTX 1070 (8GB)
ASRock Z170M Pro4S [Intel Z170chipset]
Ubuntu 14.04 LTS desktop amd64
TensorFlow v0.11
cuDNN v5.1 for Linux
CUDA v8.0
Python 2.7.6
IPython 5.1.0 -- An enhanced Interactive Python.

sine curveを学習した時のweightとbiasをC言語のツールで使うために出力しようとしている。

slim.fully_connected()の使い方を学ばないといけない。

https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim
上記のslim.fully_connectedのリンク先が以下となっている (TensorFlow v0.12)。
https://github.com/tensorflow/tensorflow/blob/r0.12/tensorflow/contrib/layers/python/layers/layers.py

layers.py

...
@add_arg_scope
def fully_connected(inputs,
                    num_outputs,
                    activation_fn=nn.relu,
                    normalizer_fn=None,
                    normalizer_params=None,
                    weights_initializer=initializers.xavier_initializer(),
                    weights_regularizer=None,
                    biases_initializer=init_ops.zeros_initializer,
                    biases_regularizer=None,
                    reuse=None,
                    variables_collections=None,
                    outputs_collections=None,
                    trainable=True,
                    scope=None):
  """Adds a fully connected layer.
  `fully_connected` creates a variable called `weights`, representing a fully
  connected weight matrix, which is multiplied by the `inputs` to produce a
  `Tensor` of hidden units. If a `normalizer_fn` is provided (such as
  `batch_norm`), it is then applied. Otherwise, if `normalizer_fn` is
  None and a `biases_initializer` is provided then a `biases` variable would be
  created and added the hidden units. Finally, if `activation_fn` is not `None`,
  it is applied to the hidden units as well.

こちらで使っているのは以下のようにしている。

hiddens = slim.stack(input_ph, slim.fully_connected, [7,7,7], 
  activation_fn=tf.nn.sigmoid, scope="hidden")
...
prediction = slim.fully_connected(hiddens, 1, activation_fn=tf.nn.sigmoid, scope="output")
...

slim.stack()は複数のslim.fully_connected()の簡略表記。

normalizer_fn, weights_regularizer, biases_regularizerは使っていないことになる。
activation_fnはデフォルトのReLUでなくsigmoidを使っている。

まとめると,3つの中間層と最後の出力層、それぞれにおいてweightがかけられて、biasが加算され、sigmoidを適用されている。

weight, biasの値を使ってC実装(python実装?)で出力の計算をするときは同じように処理をすればいいはず。