不需要输出吧。设计的网络层结构继续复用，直接从model文件导入。训练结束的时候可以把参数保存成model

谢谢，但我需要把它拿出来。

在github也有人提问这个问题，无奈小白看不懂大神怎么解决，只说明了一个方向。https://github.com/PaddlePaddle/Paddle/issues/15149

再次表示感谢！

谢谢，但我需要把它拿出来。

在github也有人提问这个问题，无奈小白看不懂大神怎么解决，只说明了一个方向。https://github.com/PaddlePaddle/Paddle/issues/15149

再次表示感谢！

参考你给的链接里面的例子，可以这样写，这里以paddlepaddle线性预测的例子来说明。

定义fc层时，可以这样

y_predict = fluid.layers.fc(input=x, size=1, act=None, 
                            param_attr=fluid.ParamAttr(name='fc0_w'), 
                            bias_attr=fluid.ParamAttr(name='fc0_b'))

然后你可以这样获取

fc_w = fluid.global_scope().find_var('fc0_w').get_tensor()
print(np.array(fc_w).shape)
fc_b = fluid.global_scope().find_var('fc0_b').get_tensor()
print(np.array(fc_b).shape)

到初始化之后的代码

import paddle
import paddle.fluid as fluid
import numpy as np
import math
import sys
from __future__ import print_function


BATCH_SIZE = 20
train_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.uci_housing.train(), buf_size=500), 
    batch_size=BATCH_SIZE)

test_reader = paddle.batch(
    paddle.reader.shuffle(paddle.dataset.uci_housing.test(), buf_size=500), 
    batch_size=BATCH_SIZE)
    
scope = fluid.core.Scope()
x = fluid.layers.data(name='x', shape=[13], dtype='float32')
y = fluid.layers.data(name='y', shape=[1], dtype='float32')
y_predict = fluid.layers.fc(input=x, size=1, act=None, 
                            param_attr=fluid.ParamAttr(name='fc0_w'), 
                            bias_attr=fluid.ParamAttr(name='fc0_b'))

main_program = fluid.default_main_program()
startup_program = fluid.default_startup_program()

cost = fluid.layers.square_error_cost(input=y_predict, label=y)
ag_loss = fluid.layers.mean(cost)

sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001)
sgd_optimizer.minimize(ag_loss)

test_program = main_program.clone(for_test=True)

use_cuda = False
place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace()

exe = fluid.Executor(place=place)
exe.run(startup_program)

# 初始化之后就可以打印了，也可以在训练后打印
fc_w = fluid.global_scope().find_var('fc0_w').get_tensor()
print(np.array(fc_w).shape)
fc_b = fluid.global_scope().find_var('fc0_b').get_tensor()
print(np.array(fc_b).shape)

你看看上面这位的方法。

我paddle只属于过家家级

谢谢！我在看了github大神指导后，到了下面这步，就进行不下去了。

fc_w = fluid.global_scope().find_var('fc0_w').get_tensor()

原来直接使用np.array(fc_w)就可以直接得到了，非常感谢！

arr_fc_w = np.array(fc_w)

无论怎样，都是有帮助的，感谢您！

客气了 社区大家庭欢迎常回来看看

多谢分享，