使用tensorflow保存和恢复模型

我使用以下方法保存了神经网络的参数：

parameters = {
    'w_h1': w_h1,
    'b_h1': b_h1,
    'w_h2':  w_h2,
    'b_h2': b_h2,
    'w_h3': w_h3,
    'b_h3': b_h3,
    'w_o':  w_o,
    'b_o':  b_o
} 

saver = tf.train.Saver(parameters)

saver.save(sess, 'my-model', global_step=epoch)

现在我的磁盘中有以下3个文件：

checkpoint

my-model-114000

my-model-114000.meta

我试过这样的方法：

with tf.Session() as sess:
    new_saver = tf.train.import_meta_graph('my-model-114000.meta')
    new_saver.restore(sess, 'my-model-114000')

我收到消息：

INFO:tensorflow:Restoring parameters from my-model-114000

但是，我无法恢复原始参数。我尝试了类似的方法（在使用tf.Session（）作为sess的

w_h1=tf.get_default_graph（）.get_tensor_by_name（“w_h1:0”）

但是我收到消息了

KeyError: "The name 'w_h1:0' refers to a Tensor which does not exist. The operation, 'w_h1', does not exist in the graph."

但是，我无法恢复重量。我该怎么做

我曾经

    for var in tf.all_variables():
        print str(var) 

为了知道保存了什么，我意识到它保存了很多东西（下面只是一个示例），但我认为我只保存了少量重要参数：

<tf.Variable 'Variable_21/Adam_3:0' shape=(50,) dtype=float32_ref>
<tf.Variable 'Variable_24/Adam_2:0' shape=(50, 50) dtype=float32_ref>
<tf.Variable 'Variable_24/Adam_3:0' shape=(50, 50) dtype=float32_ref>
<tf.Variable 'Variable_25/Adam_2:0' shape=(50,) dtype=float32_ref>
<tf.Variable 'Variable_25/Adam_3:0' shape=(50,) dtype=float32_ref>
<tf.Variable 'Variable_28/Adam_2:0' shape=(50, 1) dtype=float32_ref>
<tf.Variable 'Variable_28/Adam_3:0' shape=(50, 1) dtype=float32_ref>
<tf.Variable 'Variable_29/Adam_2:0' shape=(1,) dtype=float32_ref>
<tf.Variable 'Variable_29/Adam_3:0' shape=(1,) dtype=float32_ref>
>>> 

>>> 

像

'Variable\u 21/Adam\u 3:0'这样的名称是您的变量名称，而
“w\u h1”
不是，您应该使用
w\u h1=tf.get\u default\u graph（）获得这个张量。通过名称（“Variable\u 21/Adam\u 3:0”）获得张量
确保使用与保存期间相同的图形体系结构初始化
tensorflow
图形。@紫外线：我怎么做？此外，即使我定义了要保存的参数，tensorflow也会保存所有变量？它可能是w_h1、w_h2或w_h3。但是，我怎么知道是哪一个呢？我以为我应该以“w_h1:0”的名称来恢复变量。在创建变量时，您可以使用任何您想要的名称来命名变量，如
tf.variable（name=“w_h1”）
。恢复权重的问题是我没有命名变量。现在我就这么做！