Tensorflow：不恢复但只保存可训练变量答案

【问题标题】：Tensorflow: Not restoring but only saving trainable variablesTensorflow：不恢复但只保存可训练变量
【发布时间】：2018-04-12 20:09:36
【问题描述】：

假设我有一个带有 Y 层的模型。

我正在尝试通过将 Y-1 层设置为 trainable=False 来恢复模型，因此我在定义 tf.train.Saver(var_list=list_of_Y-1_layers) 时将所有 Y-1 层（变量名）插入到 var_list 中，以便可以恢复它们。

我不想恢复我想训练自己的最后一层，所以如果我把它放在 var_list 它会被恢复，如果我不把它放在那里，它不会在训练期间保存在检查点内.

这个变量是否保存在其他地方？还是我在保存/恢复方面做错了什么？

旁注：为了检查是否保存了可训练变量，我使用了函数inspect_checkpoint()，它在tensorflow/tensorflow/python/tools/inspect_checkpoint.py中定义

【问题讨论】：

所以你的问题是你想在训练期间检查变量，但也避免在你不想的时候恢复它？一种选择是保存和恢复所有内容，但还有一个操作init_trainable = tf.variables_initializer(tf.trainable_variables())，您可以在恢复后运行。

【解决方案1】：

您可以创建两个对象，一个用于保存，另一个用于恢复：

#used to restore:
saver_restore = tf.train.Saver(var_list=list_of_Y-1_layers)
#used to save, will save all variables
saver_save = tf.train.Saver()

【讨论】：

【解决方案2】：

您可以在不指定var_list 的情况下保存整个模型。这会将所有变量保存在检查点中。然后，当您恢复时，您可以为恢复 Saver 指定var_list，以仅恢复您想要的图层子集。

来源：

【讨论】：