Graph TensorFlow：使用度量值op（例如精度）恢复图形，得到错误'；张量'；对象没有属性'；初始化器'；

在使用metrics ops（例如tf.python.ops.metrics中的准确性）训练一个图之后，我尝试恢复该图并在测试集上评估准确性。但是，在使用tf.import\u meta\u graph还原图形之后，当我尝试使用tf.local\u variables\u initializer（）初始化局部变量（这是必要的）时，我遇到了一个错误，它说“Tensor”对象没有属性“initializer”

如果我在恢复后打印局部变量，有两个Tensorflow张量可能会导致问题。 这两个张量低张量源自精度度量：

  <tf.Tensor 'accuracy/total:0' shape=() dtype=float32_ref>
  <tf.Tensor 'accuracy/count:0' shape=() dtype=float32_ref>

---

我有一个解决方法，而不是检索准确性集合（在我的情况下，

get\u集合

返回了一个空列表）：

• 检索登录和标签占位符
• 然后计算精度
• 还请记住在还原到会话后初始化本地运行变量：

  self.running\u vars=tf.get\u集合（tf.GraphKeys.LOCAL\u变量，scope=“your\u accurity\u scope\u name”）

---

嘿，我也有同样的问题。你能解决它吗？或者你能提供任何建议吗？谢谢

def train():
  l_ini = np.array([1, 0, 1, 0, 1, 0], dtype=np.float32)
  p_ini = np.array([1, 0, 1, 0, 1, 1], dtype=np.float32)
  l = tf.Variable(l_ini, trainable=False)
  p = tf.Variable(p_ini, trainable=False)
  accuracy = metrics.accuracy(labels=l, predictions=p)
  tf.add_to_collection("accuracy", accuracy)

  graph = tf.get_default_graph()

  sess = tf.Session(graph=graph)
  sess.run(tf.global_variables_initializer())
  sess.run(tf.local_variables_initializer())
  acc = sess.run(accuracy)

  saver = tf.train.Saver()
  saver.save(sess, 'test.ckpt')

def restore():
  with tf.Session() as sess:
      loader = tf.train.import_meta_graph('./test.ckpt.meta')
      loader.restore(sess, './test.ckpt')
      accuracy = tf.get_collection("accuracy")

      sess.run(tf.global_variables_initializer())
      sess.run(tf.local_variables_initializer())
      acc = sess.run(accuracy)