Tensorflow saver.restore（）不恢复网络

Question

我完全失去了对的tensorflow保护方法。

我试图遵循的基本tensorflow深层神经网络模型的教程。我想弄清楚如何训练网络几次迭代，然后在另一个会话中加载模型。

with tf.Session() as sess: 
    graph = tf.Graph() 
    x = tf.placeholder(tf.float32,shape=[None,784]) 
    y_ = tf.placeholder(tf.float32, shape=[None,10]) 

    sess.run(global_variables_initializer()) 

    #Define the Network 
    #(This part is all copied from the tutorial - not copied for brevity) 
    #See here: https://www.tensorflow.org/versions/r0.12/tutorials/mnist/pros/ 

跳过培训。

#Train the Network 
    train_step = tf.train.AdamOptimizer(1e-4).minimize(
        cross_entropy,global_step=global_step) 
    correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) 
    accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32)) 

    saver = tf.train.Saver() 

    for i in range(101): 
     batch = mnist.train.next_batch(50) 
     if i%100 == 0: 
     train_accuracy = accuracy.eval(feed_dict= 
          {x:batch[0],y_:batch[1]}) 
     print 'Step %d, training accuracy %g'%(i,train_accuracy) 
      train_step.run(feed_dict={x:batch[0], y_: batch[1]}) 
     if i%100 == 0: 
      print 'Test accuracy %g'%accuracy.eval(feed_dict={x: 
         mnist.test.images, y_: mnist.test.labels}) 

     saver.save(sess,'./mnist_model') 

控制台打印出：

步骤0，训练精度0.16

测试精度0.0719

步骤100，训练精度0.88

测试精度0.8734

接下来，我要加载模型

with tf.Session() as sess: 
    saver = tf.train.import_meta_graph('mnist_model.meta') 
    saver.restore(sess,tf.train.latest_checkpoint('./')) 
    sess.run(tf.global_variables_initializer()) 

现在我想重新测试，看看模型加载

print 'Test accuracy %g'%accuracy.eval(feed_dict={x: 
         mnist.test.images, y_: mnist.test.labels}) 

控制台打印出：

测试精度0.1151

它似乎没有显示模型正在保存任何数据？我究竟做错了什么？

Answer 1

当您保存您的模型，一般而局部变量是不是所有的全局变量保存在外部文件。您可以查看此answer以了解其差异。

您的恢复代码中的错误正在调用tf.global_variable_initializer()后saver.restore()。该saver.restore文档提到，

变量恢复没有被初始化，如恢复本身就是一种方式来初始化变量。

因此，尝试删除线，

sess.run(tf.global_variables_initializer()) 

理论上，应该将其替换为，

sess.run(tf.local_variables_initializer())