Tensorflow tf.train.Saver未在同一过程中加载

我观察到一个奇怪的行为，如果检查点在同一个Python进程中较早保存，则保存程序无法恢复。如果从另一个进程执行，则可以很好地加载。下面是一些简单的代码来说明这个问题

import tensorflow.compat.v1 as tf

def train():
    W = tf.Variable(tf.zeros([1, 1]))
    saver = tf.train.Saver()

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        saver.save(sess, "./model.ckpt")

def predict():
    W = tf.Variable(tf.zeros([1, 1]))
    saver = tf.train.Saver()

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        saver.restore(sess, "./model.ckpt")

train()
predict()

在这里，我们在同一过程中立即保存和恢复。恢复失败，出现以下错误：

Key Variable_1 not found in checkpoint

但是如果我从一个新的Python进程中再次运行predict（）代码，它就可以正常工作

#train()
predict()

---

我在这里做错了什么吗？

在

预测之后，如果您运行：

print([v for v in tf.trainable_variables()])

您将看到正在创建两个不同的变量。这就是TF无法恢复第二个值的原因


为了将两个变量链接到一个变量中，您可以：


将字典传递给的参数
var\u list
。例如：

saver = tf.train.Saver({'W': W})

with tf.variable_scope('', reuse=tf.AUTO_REUSE):
    W = tf.get_variable(initializer=lambda: tf.zeros([1, 1]),
                        name='W')


创建时使用。例如：

saver = tf.train.Saver({'W': W})

with tf.variable_scope('', reuse=tf.AUTO_REUSE):
    W = tf.get_variable(initializer=lambda: tf.zeros([1, 1]),
                        name='W')


在
之后预测
，如果您运行：

print([v for v in tf.trainable_variables()])

您将看到正在创建两个不同的变量。这就是TF无法恢复第二个值的原因


为了将两个变量链接到一个变量中，您可以：


将字典传递给的参数
var\u list
。例如：

saver = tf.train.Saver({'W': W})

with tf.variable_scope('', reuse=tf.AUTO_REUSE):
    W = tf.get_variable(initializer=lambda: tf.zeros([1, 1]),
                        name='W')


创建时使用。例如：

saver = tf.train.Saver({'W': W})

with tf.variable_scope('', reuse=tf.AUTO_REUSE):
    W = tf.get_variable(initializer=lambda: tf.zeros([1, 1]),
                        name='W')