我无法正确保存然后恢复张量流模型。具体来说，我有一个脚本（脚本＃1），它使用一些数据训练模型，然后在相同的数据上测试它。 （我知道你在现实生活中永远不会这样做，但就我的问题而言，这并不重要）。脚本＃2应该加载已保存的模型，然后预测模型所训练的相同数据。问题是我在脚本＃1和脚本＃2中进行推理时会得到不同的预测。
在脚本＃1中：
application/xml这里，变量“p”中的值是有意义的，一切都很好。
内部train_model是用于保存模型的代码：
sess, softmax_probabilities = train_model(data, labels, full_model_filename) # train model
p = [x[1] for x in softmax_probabilities.eval({data_placeholder: data, label_placeholder: labels, dropout_keep_proportion_placeholder: 1.0}, session=sess)] # test model on same data
在脚本＃2中，我有以下内容：
saver = tf.train.Saver()
saver.save(sess, model_filename)
这次，变量“p”中的值几乎都非常接近0.5。因此，就像加载的模型具有随机权重一样。在加载模型方面肯定有一些我做错了，但我无法弄清楚它是什么。任何帮助将不胜感激。 （我在Stack Overflow上读了几个其他线程，其中sess.run（tf.global_variables_initializer（））在加载模型后意外运行，从而覆盖了权重，但我没有在这里完成。）
再次感谢您的帮助，如果您需要更多信息，请告诉我们！
答案 0 :(得分：0)
我能够通过更改代码行来解决问题：
new_saver.restore(sess, tf.train.latest_checkpoint('./'))
使用：
new_saver.restore(sess, args.model_meta_filename.replace(".meta", ""))
为了澄清，args.model_meta_filename是以.meta结尾的已保存文件的名称。