Python TensorFlow：在当前模型中，因损失而预先训练的正向传递

我试图使用在tensorflow中实现的预训练FaceNet模型，以便在当前模型的输出上运行正向传递，从而在当前模型上产生新的损失。我不想在FaceNet模型中训练权重，因此我将在某个时候利用

tf.stop\u gradient（）

为了在我的当前图表中添加一个前向传递，我正在导入整个模型结构，使用

network=importlib.import\u模块（models.inception\u resnet\u v1））

或多或少地遵循在链接中找到的预训练网络上的训练方案。因此，在我当前的模型结构中，我添加了如下内容：

network = importlib.import_module("models.inception_resnet_v1")
# set model_dir to where the ckpt file is
self.pretrained_model = os.path.expanduser(self.model_dir)
... previous model structure

然后，通过查看生成数据的L2和通过facenet推断

network.inference（）传递的真实数据，我添加了新的损失函数：

然后在训练中我打电话给你

saver = tf.train.Saver()
sess=tf.Session()

with sess.as_default():
    saver.restore(sess, self.pretrained_model)
    sess.run(tf.global_variables_initializer())

然而，我得到了很多这样的输出

W tensorflow/core/framework/op_kernel.cc:993] Data loss: Unable to open table file /data/models/20170512-110547/model-20170512-110547.ckpt-250000.data-00000-of-00001: Data loss: not an sstable (bad magic number): perhaps your file is in a different file format and you need to use a different restore operator?

我只找到了一种方法来导入经过训练的模型并在会话中调用张量。我需要使用类似于
network.inference（data，…）
的东西直接添加到我的模型结构中。我确信我遗漏了一些明显的东西，但我找不到任何这样的例子。我猜我的问题是：

我导入了错误的模型文件
或
我没有在
网络中指定需要恢复的特定变量

有什么办法吗

澄清：

我使用的是TF1.0版本
我正在使用我下载的ckpt文件
事实证明，我需要指定网络中需要恢复的特定变量

 fn_saver = tf.train.Saver(tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,
                             scope='InceptionResnetV1'))

保存程序需要指定变量，以便指向要恢复的权重。否则，我认为默认情况下，我试图为要训练的模型找到所有可训练的可变权重，但我只需要恢复单个模型
 （1）澄清一下，是加载预先训练的检查点导致了此错误，还是您编写的检查点？（2） 涉及到哪些TensorFlow版本？@AllenLavoie，我做了澄清。我想我明白了。我需要指定哪些变量需要恢复，否则saver.restore函数无法找到所有可训练变量的权重，包括要训练的主模型。（1）澄清一下，是加载预先训练的检查点导致此错误，还是您编写的检查点？（2） 涉及到哪些TensorFlow版本？@AllenLavoie，我做了澄清。我想我明白了。我需要指定需要恢复哪些变量，否则saver.restore函数无法找到所有可训练变量的权重，包括要训练的主模型。
 fn_saver = tf.train.Saver(tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES,
                             scope='InceptionResnetV1'))