Question

我正在TensorFlow中的VAE项目中工作，在该项目中内置了编码器/解码器网络。这个想法是要能够保存，然后使用编码器功能加载经过训练的模型并进行采样。

还原模型后，我无法使解码器功能运行并把还原后的训练变量还给我，却遇到“未初始化的值”错误。我认为这是因为该函数正在创建一个新的新函数，覆盖现有函数，否则以其他方式。但是我不知道如何解决这个问题。这是一些代码：

class VAE(object):    
    def __init__(self, restore=True):
        self.session = tf.Session()
        if restore:
            self.restore_model()
            self.build_decoder = tf.make_template('decoder', self._build_decoder)

@staticmethod
def _build_decoder(z, output_size=768, hidden_size=200,
                  hidden_activation=tf.nn.elu, output_activation=tf.nn.sigmoid):
    x = tf.layers.dense(z, hidden_size, activation=hidden_activation)
    x = tf.layers.dense(x, hidden_size, activation=hidden_activation)
    logits = tf.layers.dense(x, output_size, activation=output_activation)
    return distributions.Independent(distributions.Bernoulli(logits), 2)

def sample_decoder(self, n_samples):
    prior = self.build_prior(self.latent_dim)
    samples = self.build_decoder(prior.sample(n_samples), self.input_size).mean()
    return self.session.run([samples])

def restore_model(self):
    print("Restoring")
    self.saver = tf.train.import_meta_graph(os.path.join(self.save_dir, "turbolearn.meta"))
    self.saver.restore(self.sess, tf.train.latest_checkpoint(self.save_dir))
    self._restored = True

想要运行samples = vae.sample_decoder(5)

在我的日常训练中，我跑步：

        if self.checkpoint:
            self.saver.save(self.session, os.path.join(self.save_dir, "myvae"), write_meta_graph=True)

更新

根据以下建议的答案，我更改了还原方法

self.saver = tf.train.Saver()
self.saver.restore(self.session, tf.train.latest_checkpoint(self.save_dir))

但是现在在创建Saver（）对象时出现值错误：

ValueError: No variables to save

Answer 1

tf.train.import_meta_graph将恢复图形，这意味着将重建存储在文件中的网络体系结构。另一方面，对tf.train.Saver.restore的调用只会将文件中的变量值还原到会话中的当前图形（如果文件中的某些值属于当前活动目录中不存在的变量，则自然失败图）。

因此，如果您已经在代码中构建了网络层，则无需调用tf.train.import_meta_graph。否则，这可能会导致您出现问题。

不确定其余代码的外观，但这是一些建议。首先构建图形，然后创建会话，最后还原（如果适用）。那么您的init可能看起来像这样

def __init__(self, restore=True):
    self.build_decoder = tf.make_template('decoder', self._build_decoder)
    self.session = tf.Session()
    if restore:
        self.restore_model()

但是，如果仅还原编码器，然后重新构建解码器，则可以最后构建解码器。但是不要忘了在使用之前初始化其变量。

TensorFlow中的保存和恢复功能

更新

1 个答案: