如何使用张量流恢复检查点并恢复对不同数据集的训练？

Question

是否可以加载使用不同数据集训练的模型并在不同数据集上恢复训练？

我认为预先训练的模型已经具有良好的权重，因此可以轻松地初始化这些权重并继续在不同的数据集上进行训练以减少训练时间。

我尝试了以下方法。

saver = tf.train.Saver(tf.trainable_variables(), max_to_keep=3)
saver.restore(sess, pretrained_model)

通过使用以上代码行，将产生以下错误。

tensorflow.python.framework.errors_impl.InvalidArgumentError: Assign requires shapes of both tensors to match. lhs shape= [41420] rhs shape= [8631] [[{{node save/Assign_490}}]]

新数据集具有不同的类数，因此会出现此错误。 我需要知道是否有任何方法可以解决此错误并继续进行培训。

参考：train_softmax.py

预训练模型：20180402-114759