Saya menguji dengan menjalankan 3 buah kode ini masing-masing.
Pertama, init beberapa variabel dan simpan.
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')
Kemudian, pulihkan sesi, tambahkan satu variabel lagi, dan simpan.
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
Kemudian, pulihkan.
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
Ini adalah kesalahannya:
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'
Apa masalah yang terjadi di sini?
Saya menggunakan versi r0.8 di Ubuntu16.04
Saat Anda membuat tf.train.Saver
tanpa argumen, itu akan secara implisit menggunakan kumpulan variabel saat ini _pada saat konstruksi Saver_ saat menyimpan dan memulihkan. Jika Anda menambahkan variabel baru (misalnya v3
di blok kode kedua Anda), Anda harus membuat tf.train.Saver
untuk menyimpannya.
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')
Komentar yang paling membantu
Saat Anda membuat
tf.train.Saver
tanpa argumen, itu akan secara implisit menggunakan kumpulan variabel saat ini _pada saat konstruksi Saver_ saat menyimpan dan memulihkan. Jika Anda menambahkan variabel baru (misalnyav3
di blok kode kedua Anda), Anda harus membuattf.train.Saver
untuk menyimpannya.