我正在尝试使用Estimators，而不是自己实施训练循环。我在MNIST数据上玩自动编码器。我有一个training_model_fn函数来构建一个包含输入，模型，损失，优化器和摘要的训练模型。我可以训练它，一切顺利，但是当我试图只加载解码器部分时 - 它失败了。
我希望解码器模型将encoded向量作为输入，并运行网络的相同解码部分（使用先前学习的权重）以在结束时生成decoded图像。
我创建了另一个decoded_model_fn函数，它与训练版共享一些代码并仅创建模型的相关部分，但是当我尝试加载Estimator时：
est = tf.contrib.learn.Estimator(model_fn=decoder_model_fn, model_dir=...)
est.predict(input_fn=...)
我收到以下错误：
...
NotFoundError: Key ... not found in checkpoint ...
...
我假设Estimator正试图从检查点加载所有变量，显然我的解码器模型并不包含所有变量。
有谁知道如何从存储的会话中部分加载变量？我希望有一个ignore_unknowns标志，但找不到任何类似的东西。
我应该如何将Estimator用于自动编码器模型？
答案 0 :(得分：0)
好的......回答自己以防将来有人接触到这个：
我的主要问题是我错误地没有将解码器放在与大型模型相同的variable_scope中。变量没有以相同的名称调用，因此无法加载。
发生在我身上的另一件事，可能会导致问题 - 当我训练原始模型时，我用numpy数组喂它，我确保将其转换为float32，因此权重存储为float32。当我提供解码器模型时，我使用了一些虚拟np数组，它们是float64，因此tensorflow抱怨它需要的数据多于检查点数据中的数据。花了我一些时间来弄清楚为什么会这样......