Ich habe getestet, indem ich diese 3 Codeteile ausgeführt habe.
Zuerst einige Variablen initiieren und speichern.
import tensorflow as tf
sess = tf.InteractiveSession()
v1 = tf.Variable(1,name="v1")
v2 = tf.Variable(2,name="v2")
sess.run(tf.initialize_all_variables())
saver = tf.train.Saver()
saver.save(sess,'v12.ckpt')
Stellen Sie dann die Sitzung wieder her, fügen Sie eine weitere Variable hinzu und speichern Sie.
import tensorflow as tf
sess = tf.InteractiveSession()
v1 = tf.Variable(1,name="v1")
v2 = tf.Variable(2,name="v2")
saver = tf.train.Saver()
saver.restore(sess,'v12.ckpt') #works fine here
v3 = tf.Variable(3,name="v3")
sess.run(tf.initialize_variables([v3]))
saver.save(sess,'v123.ckpt')
print v3.eval() #show value without problem
Stellen Sie sie dann wieder her.
import tensorflow as tf
sess = tf.InteractiveSession()
v1 = tf.Variable(1,name="v1")
v2 = tf.Variable(2,name="v2")
v3 = tf.Variable(3,name="v3")
saver = tf.train.Saver()
saver.restore(sess,'v123.ckpt') #error here
Dies ist der Fehler:
tensorflow.python.framework.errors.NotFoundError: Tensor name "v3" not found in checkpoint files v123.ckpt [[Node: save/restore_slice_2 = RestoreSlice[dt=DT_INT32, preferred_shard=-1, _device="/job:localhost/replica:0/task:0/cpu:0"](_recv_save/Const_0, save/restore_slice_2/tensor_name, save/restore_slice_2/shape_and_slice)]] Caused by op u'save/restore_slice_2'
Was ist hier das Problem?
Ich verwende Version r0.8 auf Ubuntu16.04
Wenn Sie ein tf.train.Saver
ohne Argumente erstellen, wird beim Speichern und Wiederherstellen implizit der aktuelle Satz von Variablen _zum Zeitpunkt der Saver-Konstruktion_ verwendet. Wenn Sie eine neue Variable hinzufügen (zB v3
in Ihrem zweiten Codeblock), müssen Sie eine neue tf.train.Saver
erstellen, um sie zu speichern.
import tensorflow as tf
sess = tf.InteractiveSession()
v1 = tf.Variable(1,name="v1")
v2 = tf.Variable(2,name="v2")
saver = tf.train.Saver()
saver.restore(sess,'v12.ckpt') #works fine here
v3 = tf.Variable(3,name="v3")
sess.run(tf.initialize_variables([v3]))
saver_with_v3 = tf.train.Saver()
saver_with_v3.save(sess,'v123.ckpt')
Hilfreichster Kommentar
Wenn Sie ein
tf.train.Saver
ohne Argumente erstellen, wird beim Speichern und Wiederherstellen implizit der aktuelle Satz von Variablen _zum Zeitpunkt der Saver-Konstruktion_ verwendet. Wenn Sie eine neue Variable hinzufügen (zBv3
in Ihrem zweiten Codeblock), müssen Sie eine neuetf.train.Saver
erstellen, um sie zu speichern.