TensorFlow：恢复的变量似乎是随机的

我在恢复一些变量时遇到问题。在更高级别上保存整个模型时，我已经恢复了变量，但这次我决定只恢复几个变量。 在第一次会话之前，我初始化权重：

weights = {
'1': tf.Variable(tf.random_normal([n_input, n_hidden_1], mean=0, stddev=tf.sqrt(2*1.67/(n_input+n_hidden_1))), name='w1')
}
weights_saver = tf.train.Saver(var_list=weights)

然后，在一个会话中，当我训练NN时：

with tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) as sess:
[...]
weights_saver.save(sess, './savedModels/Weights/weights')

然后：

with tf.Session() as sess:
    new_saver = tf.train.import_meta_graph(pathsToVariables + 'Weights/weights.meta')
    new_saver.restore(sess, pathsToVariables + 'Weights/weights')

    weights = 
    {
    '1': tf.Variable(sess.graph.get_tensor_by_name("w1:0"), name='w1', trainable=False)
    }

    sess.run(tf.global_variables_initializer())
    print(sess.run(weights['1']))

但在这一点上，恢复的权重似乎是随机的。事实上，如果我再次使用sess.runtf.global\u variables\u初始值设定项，权重将不同。好像，我恢复了权重初始化的正常功能，但没有恢复训练权重

我做错了什么

我的问题清楚了吗

 weights = 
    {
    '1': tf.Variable(sess.run(sess.graph.get_tensor_by_name("w1:0")), name='w1', trainable=False)
    }

我找到了答案。我需要运行张量来获得值。现在看来很明显

编辑2：

这种方法不是从其他值初始化张量的好方法，因为当我们恢复并创建张量时，它将创建两个同名的张量。或者，如果名称不同，它将从过去的模型中恢复变量，并在以后尝试对其进行优化。最好在前一个会话中恢复变量，存储值，然后关闭会话，打开新会话以创建其他所有内容

 with tf.session() as sess: 
    weight1 = sess.run(sess.graph.get_tensor_by_name("w1:0"))

 tf.reset_default_graph() #this will eliminate the variables we restored

 with tf.session() as sess:
    weights = 
       {
       '1': tf.Variable(weight1 , name='w1-bis', trainable=False)
       }
...

---

我们现在可以确定恢复的变量不是图表的一部分。

您从保存的会话恢复了会话，对吗？为什么要再次运行全局变量初始化器？如果您有一些要随机初始化的变量和一些要还原的变量，则只需运行它们的初始值设定项。我将尝试此操作，但如果我不运行初始值设定项，我收到一个错误，说找不到变量权重。如果我只使用tf初始化某些变量。初始化_变量：FailedPremissionError:尝试使用未初始化的值w1_1[[Node:w1_1/_8=\u Send[T=DT_FLOAT，client_terminated=false，recv_device=/job:localhost/replica:0/task:CPU:0，send_device=/job:localhost/replica:0/task:0/device:GPU:0，send_device_化身=1，tensor_name=edge_4_w1，_device=/job:localhost/replica:0/task:0/device:GPU:0]w1]]。你是在分布式设置上运行这个吗？为什么你在w1_1下有多个权重w1的副本？你能发布到github repo的链接吗？用整个代码调试会更容易。没有分布式系统。只有GPU。可能会有帮助吗？问题是我想要有不可训练的变量。我不只是想恢复模型，or the variables.AFAIK该方法同时适用于可培训变量和不可培训变量。我想将以前的可培训变量更改为不可培训变量。*抱歉，我没有正确解释。