TensorFlow：恢复多个图

Question

假设我们有两个TensorFlow计算图G1和G2，并保存了权重W1和W2。假设我们G仅通过构造G1和构建新图G2。我们如何才能同时恢复W1和恢复W2该新图G？

举个简单的例子：

import tensorflow as tf

V1 = tf.Variable(tf.zeros([1]))
saver_1 = tf.train.Saver()
V2 = tf.Variable(tf.zeros([1]))
saver_2 = tf.train.Saver()

sess = tf.Session()
saver_1.restore(sess, 'W1')
saver_2.restore(sess, 'W2')

在此示例中，saver_1成功恢复了对应的V1，但是saver_2失败了NotFoundError。

Answer 1

您可能可以使用两个保护程序，其中每个保护程序仅查找变量之一。如果仅使用tf.train.Saver()，我认为它将查找您定义的所有变量。您可以使用为其提供要查找的变量列表tf.train.Saver([v1, ...])。有关更多信息，您可以在tf.train.Saver这里阅读有关构造函数的信息：https : //www.tensorflow.org/versions/r0.11/api_docs/python/state_ops.html#Saver

这是一个简单的工作示例。假设您在文件“ save_vars.py”中进行计算，它具有以下代码：

import tensorflow as tf

# Graph 1 - set v1 to have value [1.0]
g1 = tf.Graph()
with g1.as_default():
    v1 = tf.Variable(tf.zeros([1]), name="v1")
    assign1 = v1.assign(tf.constant([1.0]))
    init1 = tf.initialize_all_variables()
    save1 = tf.train.Saver()

# Graph 2 - set v2 to have value [2.0]
g2 = tf.Graph()
with g2.as_default():
    v2 = tf.Variable(tf.zeros([1]), name="v2")
    assign2 = v2.assign(tf.constant([2.0]))
    init2 = tf.initialize_all_variables()
    save2 = tf.train.Saver()

# Do the computation for graph 1 and save
sess1 = tf.Session(graph=g1)
sess1.run(init1)
print sess1.run(assign1)
save1.save(sess1, "tmp/v1.ckpt")

# Do the computation for graph 2 and save
sess2 = tf.Session(graph=g2)
sess2.run(init2)
print sess2.run(assign2)
save2.save(sess2, "tmp/v2.ckpt")

如果您确保拥有tmp目录并运行python save_vars.py，则将获取保存的检查点文件。

现在，您可以使用以下代码使用名为“ restore_vars.py”的文件进行还原：

import tensorflow as tf

# The variables v1 and v2 that we want to restore
v1 = tf.Variable(tf.zeros([1]), name="v1")
v2 = tf.Variable(tf.zeros([1]), name="v2")

# saver1 will only look for v1
saver1 = tf.train.Saver([v1])
# saver2 will only look for v2
saver2 = tf.train.Saver([v2])
with tf.Session() as sess:
    saver1.restore(sess, "tmp/v1.ckpt")
    saver2.restore(sess, "tmp/v2.ckpt")
    print sess.run(v1)
    print sess.run(v2)

当您运行时python restore_vars.py，输出应为

[1.]
[2.]

（至少在我的计算机上是输出）。如有任何不清楚之处，请随时发表评论。