无法从保存的变量中恢复变量，TensorFlow 1.0，python 3.5.1

Question

我是 tensorflow 新手，当我尝试从保存的变量中恢复保存的参数时，我得到 "NotFoundError: Key b_1 not found in checkpoint" 完整代码如下。感谢您的帮助！

import tensorflow as tf
import numpy as np
## save to a file
## need to use the same shape and dtype when restore
W = tf.Variable([[1,2,3],[3,4,5]], dtype=tf.float32, name='W')
b = tf.Variable([[1,2,3]],dtype=tf.float32, name='b') 


# initialization
init = tf.global_variables_initializer()
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init)
    saver.save(sess, 'C:\Temp\TensorFlow\save\save.ckpt')

以下是还原部分： ## 恢复变量

W = tf.Variable(np.arange(6).reshape((2,3)), dtype=tf.float32, name='W')
b = tf.Variable(np.arange(3).reshape((1,3)), dtype=tf.float32, name='b')    


saver = tf.train.Saver()
with tf.Session() as sess:
    saver.restore(sess, 'C:\Temp\TensorFlow\save\save.ckpt')
    print('weights', sess.run(W))
    print('biases', sess.run(b))

Answer 1

tf.train.Saver 的默认行为是使用 name 属性作为键来保存（或恢复）tf.all_variables() 中的每个变量（除了任何其他“可保存对象”）。

我怀疑如果你在程序的恢复部分打印出W.name 和b.name，你会得到"W_1" 和"b_1"。为什么在指定name='W' 和name='b' 时会得到这些名称？当前 TensorFlow 图中一定已经存在具有这些名称的变量，因此 TensorFlow 假定您有意创建新变量，并附加一个后缀（"_1"、"_2" 等）以使名称唯一。例如，如果您在同一脚本（或 Jupyter 笔记本）中一个接一个地运行问题中的两个代码片段，您会看到此问题。

有几种方法可以避免这个问题：

1. 一种简单但粗略的方法是在程序的恢复部分之前调用tf.reset_default_graph()。这会将当前图表重置为空，因此变量最终将具有您想要的名称 "W" 和 "b"。

2. 您可以通过将还原部分包装在 with tf.Graph().as_default(): 块中来实现类似的效果，这可确保在空图中创建变量。

3. 您可以通过将var_list 参数传递给tf.train.Saver 构造函数来覆盖检查点中的变量和tf.Variable 对象之间的映射，如下所示：

   saver = tf.train.Saver(var_list={"W": W, "b", b})