使用两个独立模型保存 TensorFlow 数据答案

【问题标题】：Tensorflow data saving with two separate models使用两个独立模型保存 TensorFlow 数据
【发布时间】：2017-04-27 19:13:50
【问题描述】：

我使用 tf 制作了两个独立的模型。在训练期间，我单独保存了每一个。现在我想同时使用它们。我可以使用第一个，但是当我尝试加载第二个时，我收到了这条消息（部分）：

    I tensorflow/core/common_runtime/gpu/gpu_device.cc:1041] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 850M, pci bus id: 0000:0a:00.0)
    W tensorflow/core/framework/op_kernel.cc:968] Invalid argument: Assign requires shapes of both tensors to match. lhs shape= [5,5,32,64] rhs shape= [1024,2]
         [[Node: save_1/Assign_16 = Assign[T=DT_FLOAT, _class=["loc:@Variable_6"], use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/gpu:0"](Variable_6, save_1/restore_slice_16/_47)]]

还有一条消息表明错误发生在代码的“恢复”部分。这是该代码的 sn-p：

def save(self):
    filename = self.save_name
    folder = self.ckpt_folder + os.sep + "ckpt"
    if not os.path.exists(folder) :
        os.makedirs(folder)
    saver = tf.train.Saver()
    save_path = saver.save(self.sess, folder + os.sep + self.ckpt_name + "."+ filename)
    print ("saved?", filename)

def load(self):
    filename = self.save_name
    file = self.ckpt_folder + os.sep + "ckpt" + os.sep + self.ckpt_name +"."+ filename
    if os.path.isfile(file) :
        saver = tf.train.Saver()
        saver.restore(self.sess, file)
        print ("load?", filename)

上面的函数，特别是 load() 是在 session 对象初始化后由模型调用的。如何从我已经保存的数据中同时运行两个 tf 模型？

【问题讨论】：

标签： python neural-network tensorflow

【解决方案1】：

根据您想对它们做什么，您应该：

【讨论】：

我想我将它们加载到单独的图表中，当第二个即将加载时拆除了第一个。