如何在Tensorflow中使用还原模型的操作？

Question

我已经保存了模型，我想还原模型并使用一些操作。

模型的一部分是以下内容->

logits = tf.map_fn(output_embedding, outputs)  

ntime_steps = tf.shape(context_rep)[1]

scores = tf.reshape(logits, [-1, ntime_steps, 5], name="operation_scores")

with tf.variable_scope("train"): 

    train_op = tf.train.AdamOptimizer(1e-4).minimize(loss)

labels_pred = tf.cast(tf.argmax(scores, axis=-1), dtype=tf.int64, name="operation_label")

我想获取以下操作：“ operationsscores”和“ operation_label”

因此，当我恢复模型时，我会->

saver = tf.train.import_meta_graph(resources_path)

saver.restore(sess,tf.train.latest_checkpoint('./'))

graph = tf.get_default_graph()

scores=graph.get_tensor_by_name("operation_scores:0")

labels_pred=graph.get_tensor_by_name("operation_label:0")

问题在于，此时，“ operation_scores”一切正常，而“ operation_labels”却出现以下错误：

  

“名称'operation_label：0'表示不存在的张量。操作'operation_label'在图中不存在。”

我不知道我做错了什么。