我想用tensorflow 预训练数据集_A上的模型，使用tf.train.Saver将模型保存到检查点文件中。然后使用dataset_B在下一次恢复模型并在图表中微调一些变量（即不是所有的trainable_variables）。
在训练前阶段（pretrain.py），变量定义如下：
with tf.variable_scope("finetune"):
full_connect_W = tf.get_variable(name="full_connect_W", shape=[n_hidden, num_class], initializer=tf.random_normal_initializer())
在微调阶段（finetune.py），我必须得到optimizer var_list 的变量。下面的代码提出了ValueError：
with tf.variable_scope("finetune") as scope:
scope.reuse_variables()
full_connect_w = tf.get_variable("full_connect_W:0")
ValueError：变量finetune / full_connect_W：0不存在，或者未使用tf.get_variable（）创建。你的意思是在VarScope中设置reuse = None吗？ 在这里输入代码
即使我删除后缀＆＃34;：0＆＃34;在变量名中，再次引发相同的错误。
ValueError：变量finetune / full_connect_W不存在，或者未使用tf.get_variable（）创建。你的意思是在VarScope中设置reuse = None吗？
我设法以丑陋的方式解决了这个问题。我恢复了检查点文件，发现 finetune / full_connect_W：0 是tf.trainable_variables中的第一项。所以我得到这样的变量：
full_connect_W = tf.trainable_variables()[0]
另一个问题是，当我尝试使用在微调阶段（finetune.py）中定义的新优化器训练模型时，会发生一些错误。似乎优化器需要初始化。
full_connect_W = tf.trainable_variables()[0]
full_connect_b = tf.trainable_variables()[1]
finetune_varlist = [full_connect_W, full_connect_b]
cost = g.get_tensor_by_name("cost:0")
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost, var_list=finetune_varlist)
tensorflow.python.framework.errors.FailedPreconditionError：尝试使用未初始化的值beta1_power_2
[[节点：beta1_power_2 /读取= IdentityT = DT_FLOAT，_class = [＆＃34; loc：@ finetune / full_connect_W＆＃34;]，_ device =＆＃34; / job：localhost / replica：0 / task： 0 / GPU：0＆＃34;]] 由op u＆＃beta; beta1_power_2 / read＆＃39;引起，定义于：
文件＆＃34; finetune_lstm_videotitle_test.py＆＃34;，第72行，在 optimizer = tf.train.AdamOptimizer（learning_rate = learning_rate）.minimize（cost，var_list = finetune_varlist）
但是如果我用tf.initialize_all_variables（）初始化，那么在训练前短语中训练的所有权重（变量）都将被重置。