我在Tensorflow中有多种架构。他们中的一些人分享某些部分的设计。
我想训练其中一个网络，并在另一个网络中使用相似图层的训练权重。
此时，我能够保存我想要的权重，并在具有与变量完全相似的命名约定的体系结构中重新加载它们。
但是，当权重在两个网络中具有不同的名称时，无法恢复。我对第一个网络有这个命名约定：
在第二个网络中我有这个：
除此之外，变量在形状方面相似。是否有可能在重新加载时更改名称或告诉Tensorflow在哪里适合这些变量？
编辑：我在@batzner中找到了这个脚本，允许重命名Tensorflow检查点的变量：tensorflow_rename_variables。
它不起作用。我收到以下错误：
ValueError: Couldn't find 'checkpoint' file or checkpoints in given directory ./joint_pos_tagger_lemmatizer/fi/
答案 0 :(得分：4)
tf.train.Saver已使用var_list参数的字典内置支持。此字典将检查点文件中对象的名称映射到要还原的变量。
如果您想使用“选择器网络”的检查点恢复“联合网络”，您可以这样做：
# var1 is the variable you want ot restore
saver = tf.train.Saver(var_list={'selector_network/c2w/var1': var1})
saver.restore(...)
如果要恢复更多变量，只需扩展字典即可。
答案 1 :(得分：0)
不过，如果您不保存的话，还有一种方法。编写一个映射函数，以便可以使用它选择正确的张量。并使用tensor.assign()从第一个网络分配值。