我有以下情况：
我有2个模型用2个独立的脚本编写：
模型A由变量a1，a2和a3组成，并以A.py
模型B由变量b1，b2和b3组成，并以B.py
在A.py和B.py的每一个中，我有一个tf.train.Saver来保存所有局部变量的检查点，让我们调用检查点文件ckptA和{{ 1}}分别。
我现在想制作一个使用ckptB和a1的模型C.我可以通过使用var_scope（和b1的相同内容）在A和C中使用a1的完全相同的变量名称。
问题是我如何从b1和a1加载b1和ckptA到模型C？例如，以下工作会如何？
ckptB如果您尝试两次恢复同一个会话，是否会引发错误？它是否会抱怨额外变量（saver.restore(session, ckptA_location)
saver.restore(session, ckptB_location)
，b2，b3，a2）没有分配“插槽”，或者只是简单地恢复变量，如果C中有其他未初始化的变量，只会抱怨？
我正在尝试编写一些代码来测试这个，但我很想看到这个问题的规范方法，因为在尝试重新使用一些预先训练的权重时经常会遇到这种情况。
谢谢！
答案 0 :(得分：19)
如果您尝试使用保护程序（默认情况下代表所有六个变量）从不包含保护程序所代表的所有变量的检查点进行恢复，则会得到tf.errors.NotFoundError。 （但请注意，对于任何变量子集，只要所有请求的变量都存在于相应的文件中，您就可以在同一会话中多次调用Saver.restore()。）
规范方法是定义两个单独的tf.train.Saver实例，涵盖完全包含在单个检查点中的每个变量子集。例如：
saver_a = tf.train.Saver([a1])
saver_b = tf.train.Saver([b1])
saver_a.restore(session, ckptA_location)
saver_b.restore(session, ckptB_location)
根据代码的构建方式，如果您指向本地范围内名为tf.Variable和a1的{{1}}个对象，则可以在此处停止阅读。
另一方面，如果变量b1和a1在单独的文件中定义，您可能需要做一些有创意的事情来检索指向这些变量的指针。虽然它并不理想，但人们通常做的是使用公共前缀，例如如下（假设变量名分别为b1和"a1:0"）：
"b1:0"最后一点说明：您不必为确保变量在A和C中具有相同的名称而做出英勇的努力。您可以将名称 - { - 1}}字典作为第一个参数传递给saver_a = tf.train.Saver([v for v in tf.all_variables() if v.name == "a1:0"])
saver_b = tf.train.Saver([v for v in tf.all_variables() if v.name == "b1:0"])
构造函数，从而将检查点文件中的名称重新映射到代码中的Variable个对象。如果tf.train.Saver和Variable具有类似命名的变量，或者A.py中您希望根据tf.name_scope()中的这些文件组织模型代码，这会有所帮助。