Tensorflow可以'；t从检查点还原全局_步骤

我似乎无法从保存的检查点检索

全局\u步骤

。我的代码：

//(...)
checkpoint_file = tf.train.latest_checkpoint(checkpoint_dir)
saver = tf.train.import_meta_graph("{}.meta".format(checkpoint_file), clear_devices=True)
saver.restore(sess, checkpoint_file)
for v in tf.global_variables():
    print(v)
test = tf.get_variable("global_step")
print(test)

结果:

//(...)
Tensor("global_step/read:0", shape=(), dtype=int32)
//(...)
Traceback (most recent call last):
  File "train.py", line XXX, in <module>
    test = tf.get_variable("global_step")
  File "(...)/python3.6/site-packages/tensorflow/python/ops/variable_scope.py", line 988, in get_variable
    custom_getter=custom_getter)
  File "(...)/python3.6/site-packages/tensorflow/python/ops/variable_scope.py", line 890, in get_variable
    custom_getter=custom_getter)
  File "(...)/python3.6/site-packages/tensorflow/python/ops/variable_scope.py", line 348, in get_variable
    validate_shape=validate_shape)
  File "(...)/python3.6/site-packages/tensorflow/python/ops/variable_scope.py", line 333, in _true_getter
    caching_device=caching_device, validate_shape=validate_shape)
  File "(...)/python3.6/site-packages/tensorflow/python/ops/variable_scope.py", line 660, in _get_single_variable
    "but instead was +1ms." % (name, shape))
ValueError: Shape of a new variable (global_step) must be fully defined, but instead was <unknown>.

/（…）
张量（“全局步进/读取：0”，形状=（），数据类型=int32）
//(...)
回溯（最近一次呼叫最后一次）：
文件“train.py”，第XXX行，在
test=tf.get_变量（“全局_步”）
文件“（…）/python3.6/site packages/tensorflow/python/ops/variable_scope.py”，第988行，在get_变量中
custom\u getter=custom\u getter）
文件“（…）/python3.6/site packages/tensorflow/python/ops/variable_scope.py”，第890行，在get_变量中
custom\u getter=custom\u getter）
文件“（…）/python3.6/site packages/tensorflow/python/ops/variable_scope.py”，第348行，在get_变量中
验证形状=验证形状）
文件“（…）/python3.6/site packages/tensorflow/python/ops/variable_scope.py”，第333行，在_true_getter中
缓存\设备=缓存\设备，验证\形状=验证\形状）
文件“（…）/python3.6/site packages/tensorflow/python/ops/variable_scope.py”，第660行，位于单变量中
“但实际上是+1ms。”%（名称、形状））
ValueError：必须完全定义新变量（全局_步骤）的形状，但实际上是。

我也尝试过

global\u step:0

和

global\u step/read:0

，但结果相同。有什么建议吗？或者我不应该使用

tf.get_变量

---

谢谢

如果一个现有变量是使用

tf.get\u variable

创建的，那么您只能使用

tf.get\u variable

来检索该变量。此外，必须适当设置变量范围。在这里，它似乎试图创建一个名为

'global\u step'

的新变量，表明它还不存在。有关如何使用

tf.get\u变量的详细信息

我通常会这样处理全局步骤：

# to create
global_step = tf.Variable(tf.constant(0), trainable=False, name='global_step')
tf.add_to_collection('global_step', global_step)

# to load
global_step = tf.get_collection_ref('global_step')[0]
# get the current value
gs = sess.run(global_step)

with tf.Session() as sess:
    predict_top_5 = tf.nn.top_k(scores, k=5)
    label_top_5 = tf.nn.top_k(input_y, k=5)
    ckpt = tf.train.get_checkpoint_state('models')
    if ckpt and ckpt.model_checkpoint_path:
        saver.restore(sess,ckpt.model_checkpoint_path)
        global_step = int(ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1])

编辑：如果无法更改保存全局步骤的方式，则以下操作应有效：

global_step = tf.get_default_graph().get_tensor_by_name('global_step:0')

您可以这样做：

# to create
global_step = tf.Variable(tf.constant(0), trainable=False, name='global_step')
tf.add_to_collection('global_step', global_step)

# to load
global_step = tf.get_collection_ref('global_step')[0]
# get the current value
gs = sess.run(global_step)

with tf.Session() as sess:
    predict_top_5 = tf.nn.top_k(scores, k=5)
    label_top_5 = tf.nn.top_k(input_y, k=5)
    ckpt = tf.train.get_checkpoint_state('models')
    if ckpt and ckpt.model_checkpoint_path:
        saver.restore(sess,ckpt.model_checkpoint_path)
        global_step = int(ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1])