Python tensorflow加载元图硬编码重塑维度

我有一个相当复杂的体系结构，我还在进行实验，这个实验的很大一部分涉及调整体系结构，再培训和观察它的性能。为了避免在测试时显式修改架构，将其还原为保存检查点时的确切状态，我正在从检查点目录中的

.meta

文件加载图形

我对

批次大小

有问题，这往往会保存在图表中，并且在每次测试一个样本时，在推断时给我带来麻烦，即

批次大小=1

。第一个问题是我用来输入数据的占位符，我在声明它时通过设置

batch\u size=None

（第一个维度）解决了这个问题

现在，我的网络有一部分大致基于此，这涉及到相当多的重塑。在培训时一切正常，但如果我尝试加载

.meta

更改批大小，我会遇到以下错误：

InvalidArgumentError (see above for traceback): Input to reshape is a tensor with 98304 values, but the requested shape has 1572864
[[Node: Reshape = Reshape[T=DT_FLOAT, Tshape=DT_INT32, _device="/job:localhost/replica:0/task:0/gpu:0"](g_transformer/_transform/concat, pack_5)]]
[[Node: g_transformer_1/_transform/Reshape_6/_333 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_520_g_transformer_1/_transform/Reshape_6", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

其中

98304

为

1572864/16

，其中16为训练批量大小。一些帖子通过将重塑的第一个维度设置为

-1

，修复了类似的问题，这是由于其他维度中的其他

-1

，我在这里无法做到的

所以，问题是：我使用它来加载经过训练的模型

self.loader = tf.train.import_meta_graph(meta)
self.loader.restore(self.sess, os.path.join(fn, ckpt_name))

但是，如何防止元图硬编码重塑维度，从而有效地防止我在测试时更改批量大小

编辑：一些进一步的实验。如果我加载图形并获取导致问题的节点

 a = g.get_tensor_by_name('g_transformer_1/_transform/Reshape_6:0')

它说：

<tf.Tensor 'g_transformer_1/_transform/Reshape_6:0' shape=(?, 128, 384, ?) dtype=float32>

而

？

正是我想要的，特别是第一个，因为它是控制批量大小的。

---

但是，如果我对该变量进行求值，并输入第一个维度与训练中使用的维度不完全相同的内容，则会出现前面提到的形状错误

我现在遇到了一个类似的问题。你解决过这个问题吗？如果是，解决方案是什么？