Python 使用tf.train.Saver加载模型检查点时，如何修改张量形状？

我训练了一个具有固定批量大小的RNN，但现在我想修改我用

tf.train.Saver

保存的图形，使其批量大小为1以进行推断。我该怎么办

session = tf.InteractiveSession()
saver = tf.train.import_meta_graph('model.ckpt.meta')
saver.restore(session, 'model.ckpt')

---

实现这一点的一种方法是在测试时重建一个不同的（尽管兼容）网络，并将恢复限制为仅重量

在训练中,

net = make_my_net(batch_size)
...
saver.save(session, model_name)

在测试过程中,

net = make_my_net(1)
...
saver.restore(session, model_name)

后者将用先前保存的变量值替换变量值（包括网络权重）。您不必根据初始化将要覆盖的变量，尽管我相信情况并非总是如此

请注意，重建不同的网络可以让您有机会构建更干净的测试网络，例如通过删除层（如辍学层）