Python TensorFlow推理图-加载和恢复变量影响

这与许多问题密切相关，包括我自己的一个问题：

TensorFlow中用于推断的每个样本都遵循以下形式：

import tensorflow as tf
import CONSTANTS
import Vgg3CIFAR10
import numpy as np

MODEL_PATH = 'models/' + CONSTANTS.MODEL_NAME + '.model'
rand = np.random.rand(1, 32, 32, 3).astype(np.float32)

images = tf.placeholder(tf.float32, shape=(1, 32, 32, 3))

logits = Vgg3CIFAR10.inference(images)

def run_inference():
    '''Runs inference against a loaded model'''
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        new_saver = tf.train.import_meta_graph(MODEL_PATH + '.meta')
        new_saver.restore(sess, MODEL_PATH)
        print(sess.run(logits, feed_dict={images : rand}))
        print('done')

run_inference()

问题：

恢复模型和图形就是这样做的…除了我在这里创建一个并行图形，在这里我可能会向图形中添加新的部分。（除了tensorflow图是仅附加的；那么，如果附加了该图，该图如何添加到该图并仅运行该段；它将希望运行整个过程

加载的图中存在的队列运行程序会发生什么情况；所有这些操作都已加载。通过打印出sess.graph.get_operations（），您可以看到所有旧的输入操作都在那里

logits=Vgg3CIFAR10。推理（图像）是否不会将新项目附加到图形中？如果是因为命名，那么占位符输入是否会替换队列运行器内容

有几个问题的可能答案是：因为我首先定义了logits op；这意味着图的其余部分在后面追加；通过一些tensorflow魔术酱，原始图中的变量恢复到图的logits部分

所以我测试了一下，它甚至不能正常工作

它首先用logits创建一个图，然后将旧图附加到该图上。所以当你调用推理时，你只会得到一堆垃圾

[0.09815982 0.09611271 0.10542709 0.10383813 0.0955615 0.10979554 0.12138291 0.09316944 0.08336139 0.09319157]]

[[0.10305423 0.092167 0.10572157 0.10368075 0.1043573 0.10057402 0.12435613 0.08916584 0.07929172 0.09763144]]

[0.1068181 0.09361464 0.10377798 0.10060066 0.10110897 0.09462726 0.11688241 0.09941135 0.0869903 0.09616835]]

---

在这里，我希望节点8后面的节点2和节点2是出现的…显然这只是一堆废话…

所以经过大量的审查，这就是发生的事情

如果在还原图形之前向图形中添加了任何内容，则还原的图形将附加到已创建的图形中

还原变量在还原与元文件中存储的变量同名的变量时，会在图形中查找变量名。如果创建了具有相同变量名的图形，然后还原了具有相同变量名的图形，则我运行的测试显示了附加的存储图形恢复变量而不是初始图

总之，要注意你对图形所做的事情，并且要非常清楚事物是如何被附加/还原的。如果你希望找到推论，那么看看这个S.O。答案包括创建一个新的图形，并将变量还原到这个新的图形中，这个新的图形实际上是原始图形的一个子图