如何在ipython或anaconda内恢复TensorFlow中的检查点

我使用tensorflow 0.9。
我想保存模型，然后将其还原。
我只需添加

tf.train.Saver（）

来保存和恢复我的训练变量

这是我的代码：

将tensorflow导入为tf
导入输入数据
导入操作系统
检查点目录='。/ckpt目录/'
mnist=输入数据。读取数据集（“mnist\u数据”，one\u hot=真）
x=tf.placeholder（tf.float32，shape=[None，784]）
y=tf.占位符（tf.float32，[None，10]）
sess=tf.InteractiveSession（）
def load_模型（sess、saver、checkpoint_dir）：
ckpt=tf.train.get\u checkpoint\u状态（checkpoint\u dir）
如果ckpt和ckpt.model\u检查点路径：
打印（ckpt.model\u检查点\u路径）
saver.restore（sess、ckpt.model\u检查点\u路径）
其他：
如果操作系统路径不存在（检查点目录）：
os.makedirs（检查点目录）
sess.run（初始化）
返回
def重量_变量（形状）：
初始值=tf.截断的_法线（形状，标准差=0.1）
返回tf.变量（初始值）
def偏差_变量（形状）：
初始=tf.常数（0.1，形状=形状）
返回tf.变量（初始值）
def conv2d（x，W）：
返回tf.nn.conv2d（x，W，步长=[1,1,1,1]，padding=“SAME”）
def max_pool_2x2（x）：
返回tf.nn.max_pool（x，ksize=[1,2,2,1]，步长=[1,2,2,1]，
padding=“相同”）
W_conv1=权重_变量（[5,5,1,32]）
b_conv1=偏差_变量（[32]）
x_image=tf.重塑（x，[-1,28,28,1]）
#
h_conv1=tf.nn.relu（conv2d（x_图像，W_conv1））
h_池1=最大池2（h_池1）
#
W_conv2=权重_变量（[5,5,32,64]）
b_conv2=偏差_变量（[64]）
h_conv2=tf.nn.relu（conv2d（h_pool1，W_conv2））
h_池2=最大池2×2（h_池2）
W_fc1=权重_变量（[77641024]）
b_fc1=偏差_变量（[1024]）
h_pool2_flat=tf.重塑（h_pool2，[-17764]）
h_fc1=tf.nn.relu（tf.matmul（h_pool2_flat，W_fc1）+b_fc1）
#
keep_prob=tf.placeholder（tf.float32）
h_fc1_drop=tf.nn.drop（h_fc1，keep_prob）
#
W_fc2=重量_变量（[1024，10]）
b_fc2=偏差_变量（[10]）
y_conv=tf.nn.softmax（tf.matmul（h_fc1_drop，W_fc2）+b_fc2）
#
交叉熵=tf.reduce\u均值（-tf.reduce\u和（y*tf.log（y\u conv），reduce\u指数=[1]））
列车步长=tf.列车AdamOptimizer（1e-4）.最小化（交叉熵）
正确的预测=tf.equal（tf.argmax（y_conv，1），tf.argmax（y_，1））
准确度=tf.reduce_平均值（tf.cast（正确的预测，tf.float32））
初始化所有变量（）
saver=tf.train.saver（）
load_模型（sess、saver、checkpoint_dir）
对于范围（1）中的i：
批次=列表列下一批（50）
如果i%10==0：
train_accurity=accurity.eval（feed_dict={x:batch[0]，y_:batch[1]，keep_prob:1.0}）
打印（“步骤%d，训练精度%g”%（i，训练精度））
train_step.run（feed_dict={x:batch[0]，y_:batch[1]，keep_prob:0.5}）
打印（“测试精度%g”%accurity.eval（进给指令={
x:mnist.test.images，y:mnist.test.labels，keep_prob:1.0}）
tf.标量_总结（“准确度”，准确度）
saver.save（sess，checkpoint_dir+'model.ckpt'）

---

恢复检查点时：

saver.restore（sess、ckpt.model\u checkpoint\u路径）

TensorFlow抛出此错误：

Traceback (most recent call last):
.
.
.
NotFoundError: Tensor name "global_step_7" not found in checkpoint files ./ckpt_dir/model.ckpt-0
[[Node: save_18/restore_slice_438 = RestoreSlicedt=DT_INT32, preferred_shard=-1, _device="/job:localhost/replica:0/task:0/cpu:0"]]
Caused by op 'save_18/restore_slice_438', defined at:
File "/home/m/anaconda3/lib/python3.5/site-packages/spyderlib/widgets/externalshell/start_ipython_kernel.py", line 205, in
ipythonkernel.start()
.
.
.
File "/home/m/anaconda3/lib/python3.5/site-packages/tensorflow/python/framework/ops.py", line 1224, in __init
raise TypeError("Control input must be an Operation, "

---

编辑： 我用水蟒。第一次在spyder或ipython中使用“run filename.py”运行此代码时，它会将模型保存在检查点中，但当我再次运行此代码时，它会抛出错误

但是当我关闭spyder或ipython时，再次打开它并运行代码，它会正确地恢复检查点

---

另外，当我在终端“python filename.py”中运行时，它始终运行，并且不会引发任何错误。

再次运行该文件时，需要在调用开始时重置默认图形

---

如果不重置默认图形，并运行两次该行：

x=tf.Variable（1，name='x'）
打印x.name

您将第一次看到

x

的名称是

“x:0”

，第二次看到它的名称是

“x\u 1:0”

。这就是使tf.train.Saver混淆的原因：

• 它首先使用名称

  “x:0”

• 然后在下一次运行中，您尝试加载保存的

  x

  ，但现在变量的名称是

  “x_1:0”

  ，因此保存程序尝试加载名为

  “x_1:0”

  的保存值，但找不到，并返回错误

---

但是，您可以在开始时使用

tf.reset\u default\u graph（）

重置默认图形。这将创建一个空图形并将其用作默认图形。
在这两个图中，

x

的名称可以相同：

#第一次运行
tf.reset_default_graph（）
x=tf.Variable（1，name='x'）
打印x.name#打印“x:0”
#下一轮
tf.reset_default_graph（）
x=tf.Variable（1，name='x'）
打印x.name#打印“x:0”

这两个变量现在可以具有相同的名称，因为它们不再位于同一个图形中

---

另一种方法是在开始时创建一个图形，并将其用作默认图形：

graph=tf.graph（）
使用graph.as_default（）：
x=tf.Variable（1，name='x'）

名称

global\u step\u 7

听起来像是你创建了7次相同的张量。如果您重新启动ipython并仅创建一次图形，它是否有效？感谢用户的帮助。但是当我在代码中添加它们时，它会抛出以下错误：ValueError:Tensor（“重塑：0”，shape=（？，48，48，1），dtype=float32）必须与Tensor（“权重：0”，shape=（5，5，1，100），dtype=float32\u ref）来自同一个图形。您必须在代码的最开始处放置

tf.reset\u default\u graph（）

，在创建任何张量之前，我在

main

函数中使用

tf.reset\u default\u graph（）

，并调用

model

函数来创建模型。当cal

conv2d

时，会显示此错误。在调用

tf.reset\u default\u graph（）

之前，您必须已经创建了shape

[5,5,1100]

的过滤器。如果没有完整的代码，我看不到哪里。我在

model（）

函数中有类似的内容：

weights={'W_conv1'：weight_变量（[5,5，IMAGE_CHANNELS，100]），