Question

我用这个保存了神经网络的参数：

parameters = {
    'w_h1': w_h1,
    'b_h1': b_h1,
    'w_h2':  w_h2,
    'b_h2': b_h2,
    'w_h3': w_h3,
    'b_h3': b_h3,
    'w_o':  w_o,
    'b_o':  b_o
} 

saver = tf.train.Saver(parameters)

saver.save(sess, 'my-model', global_step=epoch)

现在我的磁盘上有这三个文件：

checkpoint

my-model-114000

my-model-114000.meta

我试过这样的事情：

with tf.Session() as sess:
    new_saver = tf.train.import_meta_graph('my-model-114000.meta')
    new_saver.restore(sess, 'my-model-114000')

我收到了消息：

INFO:tensorflow:Restoring parameters from my-model-114000

但是，我无法恢复原始参数。我试过这样的事情（在tf.Session（）里面作为sess）

w_h1 = tf.get_default_graph（）。get_tensor_by_name（＆＃34; w_h1：0＆＃34;）

但我收到了消息

KeyError: "The name 'w_h1:0' refers to a Tensor which does not exist. The operation, 'w_h1', does not exist in the graph."

但是，我无法恢复重量。我怎么能这样做？

我用过

    for var in tf.all_variables():
        print str(var)

知道保存了什么，我意识到它保存了很多东西（下面只是一个示例），但我只是保存了一小部分重要参数：

<tf.Variable 'Variable_21/Adam_3:0' shape=(50,) dtype=float32_ref>
<tf.Variable 'Variable_24/Adam_2:0' shape=(50, 50) dtype=float32_ref>
<tf.Variable 'Variable_24/Adam_3:0' shape=(50, 50) dtype=float32_ref>
<tf.Variable 'Variable_25/Adam_2:0' shape=(50,) dtype=float32_ref>
<tf.Variable 'Variable_25/Adam_3:0' shape=(50,) dtype=float32_ref>
<tf.Variable 'Variable_28/Adam_2:0' shape=(50, 1) dtype=float32_ref>
<tf.Variable 'Variable_28/Adam_3:0' shape=(50, 1) dtype=float32_ref>
<tf.Variable 'Variable_29/Adam_2:0' shape=(1,) dtype=float32_ref>
<tf.Variable 'Variable_29/Adam_3:0' shape=(1,) dtype=float32_ref>
>>>

Answer 1

'Variable_21/Adam_3:0'之类的名称是您的变量名称而"w_h1"不是，您应该使用w_h1 = tf.get_default_graph().get_tensor_by_name("Variable_21/Adam_3:0")获得此张量

使用tensorflow保存和恢复模型

1 个答案: