tf.train.init_from_checkpoints（）与Saver.restore（）有什么区别？

Question

我曾经使用saver.save和saver.restore保存和恢复检查点：

with train_graph.as_default():
    saver = tf.train.Saver()
with tf.Session(graph=train_graph) as sess:
    saver.restore(sess, tf.train.latest_checkpoint(embedding_checkpoint))

在某些示例中，我看到了tf.train.init_from_checkpoints()：

tvars = tf.trainable_variables()
initialized_variable_names = {}
(assignment_map, initialized_variable_names) = modeling.get_assignment_map_from_checkpoint(tvars, init_checkpoint)

tf.train.init_from_checkpoint(init_checkpoint, assignment_map)

它们的效果是否相等？

我检查了modeling.get_assignment_map_from_checkpoint函数，它根据名称将当前图下tf.trainable_variables（）中的变量与tf.train.list_variables(init_checkpoint)中的变量进行匹配。

我有一个问题。如果存储张量时未指定其名称，例如：

output = tf.layers.dense(a,hidden_size)

还原后，图形相同，但我添加了图层名称：

output = tf.layers.dense(a,hidden_size, name = 'dense1')

两个API是否可以恢复该层的值？看来可以指定tf.train.init_from_checkpoints()的参数Assignment_map来保证这一点。 saver.restore()如何做到这一点？