Python 保存/恢复动态模型时出现TensorFlow错误

如果模型是CNN，我可以保存和恢复模型，但我不能恢复RNN

我制作了这样的RNN网络。 我想保存经过训练的体重和偏见或模型。我想在没有训练的情况下进行预测。下面是main.py

#main.py
tf_x = tf.placeholder(tf.float32, [None, seq_length, data_dim], name='tf_x')
tf_y = tf.placeholder(tf.int32, [None, output_dim], name='tf_y')

rnn_cell = tf.contrib.rnn.BasicLSTMCell(num_units=hidden_dim)
outputs, (h_c, h_n) = tf.nn.dynamic_rnn( rnn_cell,
                                         tf_x,
                                         initial_state=None,
                                         dtype=tf.float32,
                                         time_major=False )

output = tf.layers.dense(outputs[:, -1, :], output_dim, name='dense_output')
loss = tf.losses.softmax_cross_entropy(onehot_labels=tf_y, logits=output)
train_op = tf.train.AdamOptimizer(LR).minimize(loss)
accuracy = tf.metrics.accuracy( labels=tf.argmax(tf_y, axis=1), predictions=tf.argmax(output, axis=1),)[1]

with tf.Session as sess:
    init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer()) # the local var is for accuracy_op
    sess.run(init_op)     # initialize var in graph

    ...(training)
    saver = tf.train.Saver()
    save_path = saver.save(sess, "Save data/RNN-model")
    saver.export_meta_graph(filename="Save Data/RNN-model.meta", as_text=True)

在“run.py”中，我尝试加载这些数据

#run.py 
...(same as main.py)
saver = tf.train.Saver()
with tf.Session() as sess:
    ckpt = tf.train.get_checkpoint_state('Save data/')
    saver.restore(sess, ckpt.model_checkpoint_path)
    saver = tf.train.import_meta_graph("Save data/RNN-model.meta")
    ... (prediction)

结果是

tensorflow.python.framework.errors_impl.NotFoundError: Key dense/bias not found in checkpoint

---

您认为问题出在哪里？

（1）在run.py中，使用block将

saver

放入

中（2）仔细检查使用python代码构建的模型“…（与main.py相同）”实际上是相同的（将公共代码重构为单独的文件以避免复制粘贴错误）（3）如果您使用代码构建模型，然后恢复权重，则无需导入元图（一种或另一种），这可能会对您有所帮助：@Drop谢谢。我把这个保护程序放在里面，删除关于元图的代码并检查代码。但现在出现了尝试使用未初始化的值精度/总计的失败预处理错误。