TensorFlow變量名稱 - 保存/恢復中的分配錯誤

Question

我正在使用tf.train.Saversave和restore保存和恢復TensorFlow模型。在恢復過程中，我正在加載新的輸入數據。該restore方法拋出這個錯誤：

InvalidArgumentError (see above for traceback): Assign requires shapes of both tensors to match. lhs shape= [1334,3] rhs shape= [1246,3] [[Node: save/Assign_6 = Assign[T=DT_FLOAT, _class=["loc:@Variable_2"], use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/cpu:0"](Variable_2, save/RestoreV2_6)]]

這似乎是說，問題是出在Variable_2，但一個人如何確定哪些變量的代碼對應於Variable_2？

Answer 1

當您創建一個新的變量得到它是一個獨特的名字。 Saver.restore在檢查點查看同名。如果你需要一些初始化的變量來自不同的關卡有不同的名稱，請看看tf.contrib.framework.init_from_checkpoint。

Answer 2

• 如果要恢復的模式，這樣就前饋，則該模型的形狀和型號杜彥武應該是一樣的，當你保存它
• 所以上面的錯誤是，當你正在恢復的模型中的一個說其中保存有張形狀[1246,3]，但您要指派給一個張量，其形狀爲[1334,3]
• 明確知道哪些變量是指的名字，你可以指定唯一的名稱張量，例如a = tf.placeholder("float", [3, 3], name="tensor_a")
• 所以，現在在恢復模式，你知道你的模型與NAME =「tensor_a」，這是3倍形狀的圖的張量3

• 快速教程在代碼：

  # Create some variables. 
  v1 = tf.get_variable("v1", shape=[3], initializer=tf.zeros_initializer) 
  v2 = tf.get_variable("v2", shape=[5], initializer=tf.zeros_initializer) 
  
  inc_v1 = v1.assign(v1+1) 
  dec_v2 = v2.assign(v2-1) 
  
  # Add an op to initialize the variables. 
  init_op = tf.global_variables_initializer() 
  
  # Add ops to save and restore all the variables. 
  saver = tf.train.Saver() 
  
  # Later, launch the model, initialize the variables, do some work, and save the 
  # variables to disk. 
  with tf.Session() as sess: 
      sess.run(init_op) 
      # Do some work with the model. 
      inc_v1.op.run() 
      dec_v2.op.run() 
      # Save the variables to disk. 
      save_path = saver.save(sess, "/tmp/model.ckpt") 
      print("Model saved in file: %s" % save_path) 
  
  tf.reset_default_graph() 
  
  # Create some variables. 
  d1 = tf.get_variable("v1", shape=[3]) 
  d2 = tf.get_variable("v2", shape=[5]) 
  
  # Add ops to save and restore all the variables. 
  saver = tf.train.Saver() 
  
  # Later, launch the model, use the saver to restore variables from disk, and 
  # do some work with the model. 
  with tf.Session() as sess: 
      # Restore variables from disk. 
      saver.restore(sess, "/tmp/model.ckpt") 
      print("Model restored.") 
      # Check the values of the variables 
      print("v1 : %s" % d1.eval()) 
      print("v2 : %s" % d2.eval()) 
  

• 如果你在上面的代碼D1注意到且v1具有相同的形狀，現在如果你改變任何國稅發可變形狀會扔給你一個錯誤，它類似於你越來越