如何恢复tensorflow中模型使用的变量子集

我有2个文件，learn.py保存模型，learn_2.py恢复模型（这里是tf.variable a）并初始化新的tf.variable b，但出现了一些问题，这里是错误的：

tensorflow.python.framework.errors_impl.NotFoundError: Key scope/bb not found in checkpoint

学习.py

import tensorflow as tf

with tf.variable_scope("scope"):
    a = tf.get_variable("aa", shape=[2,4])

sess = tf.Session()
#sess.run(tf.global_variables_initializer())
sess.run(tf.initialize_variables([a]))
saver = tf.train.Saver()
save_path = saver.save(sess, "./tmp/model.ckpt")
print "---"
print sess.run(a)

学习2.py

import tensorflow as tf

with tf.variable_scope("scope"):
    a = tf.get_variable("aa", shape=[2,4])
    b = tf.get_variable("bb", shape=[2,4])
sess = tf.Session()
#sess.run(tf.global_variables_initializer())
#sess.run(tf.initialize_variables([b]))
saver = tf.train.Saver()
save_path = saver.restore(sess, "./tmp/model.ckpt")
sess.run(tf.initialize_variables([b]))
print "---"
print sess.run(a)
print sess.run(b)

---

在第二个脚本learn2.py中执行此操作。为我工作

import tensorflow as tf

with tf.variable_scope("scope"):
    a = tf.get_variable("aa", shape=[2,4])
    sess = tf.Session()
    saver = tf.train.Saver()
    save_path = saver.restore(sess, "/tmp/model.ckpt")
    b = tf.get_variable("bb", shape=[2,4])
    sess.run(tf.initialize_variables([b]))
    print "---"
    print sess.run(a)
    print sess.run(b)

脚本1的输出（与learn.py相同）

脚本2的输出（如上所述）

说明：

您在第二个脚本中将变量“a”和“b”添加到图形中。当您尝试恢复时，它将搜索当前图形中的所有变量（“a”和“b”）。我的解决办法是

构建与要首先还原的图形相同的图形

还原图形-所有变量

将节点/层添加到图形中，并仅初始化新添加的变量

---

我希望这有帮助

哪一行给出了这个错误？如果在创建和初始化变量b之前加载图形，是否有效？如果是这样的话，你按照这个顺序做事会有问题吗？@gdelab在第10行（save_path=saver.restore（sess，“./tmp/model.ckpt”）），无论是先创建图形还是先恢复旧模型，都会有问题看看这个例子（显示保存+恢复变量）：如果你还有任何疑问，请告诉我。@hars是的，你说得对，我知道如何保存和恢复变量，这是很有效的。但是，当我编写file1来保存模型，编写file2来加载模型时，它不起作用，就像我上面写的那样。也许你可以复制上面的代码并尝试一下，谢谢。是的，现在可以了！非常感谢你的解释。@color_tree，很高兴听到这个消息。请接受/投票回答，这样问题就结束了。

---
[[ 0.21811056  0.75089216  0.43180299 -0.36542225]
 [-0.11786985 -0.26542974  0.68785524 -0.57991886]]

---
[[ 0.21811056  0.75089216  0.43180299 -0.36542225]
 [-0.11786985 -0.26542974  0.68785524 -0.57991886]]
[[-0.62411451 -0.32599163  0.72495079 -0.09547448]
 [-0.59518242  0.51209545 -0.68833208 -0.03813028]]