Question

所以我正在使用GPU的机器上训练模型。当然，我会在培训结束时将其保存：

a = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES)
saver = tf.train.Saver(a)
saver.save(sess, save_path)

现在我只有一个文件，但是每次我从相同文件还原模型时，矩阵中的不同编号以及针对相同示例的不同预测。我这样恢复模型：

saver = tf.train.import_meta_graph('{}.meta'.format(save_path))
sess.run(tf.global_variables_initializer())
saver.restore(sess, save_path)

这是怎么回事？

Answer 1

在导入冻结图后调用sess.run(tf.global_variables_initializer())时，您可能会重新初始化一些不应该使用的变量。

相反，您应该仅初始化 未初始化变量。一种方法是（贷记keras.preprocessing.text.Tokenizer）

uninitialized_vars = []
for var in tf.all_variables():
    try:
        sess.run(var)
    except tf.errors.FailedPreconditionError:
        uninitialized_vars.append(var)

init_new_vars_op = tf.initialize_variables(uninitialized_vars)

tensorflow每次（从同一文件中）恢复不同的权重值！

1 个答案: