Question

我使用以下Network类内的方法将预训练网络加载到Tensorflow中（因此调用self.xyz）。首先，调用define_network()，然后我对其他变量和优化器进行初始化，然后调用load_model()。

然而，尽管使用tf.variable_scope(self.name)，图表中的变量仍会加载到变量的通用空间中。这是有问题的，因为我有这个类的两个实例，每个实例加载相同的网络，我想将out分成不同的范围。

如何将变量加载到特定范围？

P.S。如果我的代码中有任何错误，请随时纠正我！

  def load_model(self):
    with tf.variable_scope(self.name) as scope:
      self.saver.restore(self.sess, self.model_path)
      print("Loaded model from {}".format(self.model_path))

  def define_model(self):   

    with tf.variable_scope(self.name) as scope:
      self.saver = tf.train.import_meta_graph(self.model_path + '.meta')
      print("Loaded model from {}".format(self.model_path + '.meta'))
      graph = tf.get_default_graph()

      self.inputs = []
      inp_names = ['i_hand1:0', 'i_hand2:0', 'i_flop1:0', 'i_flop2:0', 'i_flop3:0',
                   'i_turn:0', 'i_river:0', 'i_other:0', 'i_allowed_mod:0', 'keras_learning_phase:0']
      for inp in inp_names:
        self.inputs.append(tf.get_default_graph().get_tensor_by_name(inp))

      self.outputs = tf.get_default_graph().get_tensor_by_name("Tanh:0") 
      self.add_output_conversions()

      all_vars = tf.trainable_variables()
      for var in all_vars:
        self.var[var.name] = var

Answer 1

我认为你的问题可以通过在

中添加一个参数来解决

self.saver = tf.train.import_meta_graph(self.model_path + '.meta', 'import_scope'=self.name)

这里是reference

Tensorflow将图表加载到特定范围内

1 个答案: