Question

我正在训练深度神经网络。直接培训整个网络很困难，因此，我更喜欢逐层培训。首先，我训练一个具有单个隐藏层的网络。之后，我使用tf.train.Saver保存模型。下次，我通过调用：

恢复变量

saver.restore(sess, "runs/simple-model.ckpt")

当然，这次架构发生了变化，因为我在隐藏层和输出层之间插入了一个新层，并使用了一个新变量。因此，Tensorflow会抛出错误：Key not found

我的问题是：如何在Tensorflow中逐层训练神经网络？我希望在最终微调整个网络之前做到这一点。非常感谢。

Answer 1

最后，我找到了一个简单的解决方案。在Python中，使用numpy.save可以轻松保存numpy数组。之后，我们可以通过以下方式加载数组：numpy.load。因此，在训练之后，我可以使用var.eval()来评估变量，将其转换为numpy数组，然后保存。

Answer 2

尝试使用共享权重定义整个网络。而不是对所有图层进行训练，而是定义一个仅运行所需图层的函数，最后保存整个网络。