假设我的网络定义如下：
image_input_1 = tf.layers.conv2d(name='image_input_1', inputs=self.batch_images, filters=30, kernel_size=[3, 3], strides=(2, 2), padding='same', activation=tf.nn.relu)
image_input_2 = tf.layers.conv2d(name='image_input_2', inputs=image_input_1, filters=50, kernel_size=[3, 3], strides=(2, 2), padding='same', activation=tf.nn.relu)
然后我训练该网络，并使用以下命令保存其参数：
self.saver = tf.train.Saver()
saver.save(sess, save_directory)
我现在想使用相同的网络架构，但是我想为image_input_1层加载预先训练的权重和偏差（我不想为image_input_2层执行此操作，因为这些将被随机初始化）。
我尝试了以下方法：
loader = tf.train.Saver(var_list=[image_input_1])
loader.restore(sess, tf.train.latest_checkpoint(save_directory))
但这给我一个错误：
TypeError: Variable to save is not a Variable: Tensor("image_input_1/Relu:0", shape=(?, 50, 38, 30), dtype=float32)
因此，看来我不能仅将var_list作为参数传递给该层，因为这不是变量。相反，我需要在该层中传递实际变量。
因此，我尝试：
loader = tf.train.Saver(var_list=[image_input_1/kernel:0, image_input_1/bias:0])
loader.restore(sess, tf.train.latest_checkpoint(save_directory))
但这也给我一个错误：
SyntaxError: invalid syntax
因为image_input_1/kernel:0和image_input_1/bias:0实际上不是我的代码中定义的变量。
那我应该传递给var_list呢？