Question

我正在使用tf.train.Saver save和restore保存并恢复TensorFlow模型。在恢复过程中，我正在加载新的输入数据。 restore方法抛出此错误：

InvalidArgumentError（参见上面的回溯）：Assign需要形状两个张量匹配。 lhs shape = [1334,3] rhs shape = [1246,3] [[节点：save / Assign_6 =分配[T = DT_FLOAT，_class = [“loc：@ Variable_2”]， use_locking = true，validate_shape = true， _device =“/ job：localhost / replica：0 / task：0 / cpu：0”]（Variable_2，save / RestoreV2_6）]]

这似乎表明问题出在Variable_2，但是如何确定代码中哪个变量对应Variable_2？

Answer 1

如果要恢复模型并进行前馈，那么模型形状和模型架构在保存时应该相同
所以上面的错误是说当你恢复你的模型时，其中一个被保存的张量具有形状[1246,3]，但是你将它分配给形状为[1334,3]的张量
明确知道哪些变量属于哪个名称，您可以为张量分配唯一的名称，例如a = tf.placeholder("float", [3, 3], name="tensor_a")
所以现在当你恢复模型时，你知道你的模型在图中有一个张量，名字=“tensor_a”，形状为3x3

代码中的快速教程：

# Create some variables.
v1 = tf.get_variable("v1", shape=[3], initializer=tf.zeros_initializer)
v2 = tf.get_variable("v2", shape=[5], initializer=tf.zeros_initializer)

inc_v1 = v1.assign(v1+1)
dec_v2 = v2.assign(v2-1)

# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()

# Add ops to save and restore all the variables.
saver = tf.train.Saver()

# Later, launch the model, initialize the variables, do some work, and save the
# variables to disk.
with tf.Session() as sess:
    sess.run(init_op)
    # Do some work with the model.
    inc_v1.op.run()
    dec_v2.op.run()
    # Save the variables to disk.
    save_path = saver.save(sess, "/tmp/model.ckpt")
    print("Model saved in file: %s" % save_path)

tf.reset_default_graph()

# Create some variables.
d1 = tf.get_variable("v1", shape=[3])
d2 = tf.get_variable("v2", shape=[5])

# Add ops to save and restore all the variables.
saver = tf.train.Saver()

# Later, launch the model, use the saver to restore variables from disk, and
# do some work with the model.
with tf.Session() as sess:
    # Restore variables from disk.
    saver.restore(sess, "/tmp/model.ckpt")
    print("Model restored.")
    # Check the values of the variables
    print("v1 : %s" % d1.eval())
    print("v2 : %s" % d2.eval())

如果您注意到上面的代码d1和v1现在具有相同的形状，如果您更改任何变量的形状，它将引发一个错误，类似于您得到的错误

Answer 2

当您创建一个新变量时，它将获得一个唯一的名称。 Saver.restore在检查点中查看相同的名称。如果您需要使用不同的名称从不同的检查点初始化某些变量，请查看tf.contrib.framework.init_from_checkpoint。

TensorFlow变量名称 - 保存/恢复中的分配错误

2 个答案: