Tensorflow ValueError：没有要保存的变量

小编典典

Tensorflow ValueError：没有要保存的变量

python

我已经写了一个tensorflow CNN，它已经受过训练。我希望将其还原以在几个示例上运行它，但不幸的是它吐出来了：

ValueError：没有要保存的变量

我的评估代码可以在这里找到：

import tensorflow as tf

import main
import Process
import Input

eval_dir = "/Users/Zanhuang/Desktop/NNP/model.ckpt-30"
checkpoint_dir = "/Users/Zanhuang/Desktop/NNP/checkpoint"

init_op = tf.initialize_all_variables()
saver = tf.train.Saver()

def evaluate():
  with tf.Graph().as_default() as g:
    sess.run(init_op)

    ckpt = tf.train.get_checkpoint_state(checkpoint_dir)

    saver.restore(sess, eval_dir)

    images, labels = Process.eval_inputs(eval_data = eval_data)

    forward_propgation_results = Process.forward_propagation(images)

    top_k_op = tf.nn.in_top_k(forward_propgation_results, labels, 1)

    print(top_k_op)

def main(argv=None):
    evaluate()

if __name__ == '__main__':
  tf.app.run()

阅读 224

2021-01-20

共1个答案

小编典典

在tf.train.Saver必须创建后要恢复（或保存）的变量。此外，必须在与这些变量相同的图形中创建它。

假设Process.forward_propagation(…)还可以在模型中创建变量，则在此行之后添加保护程序创建应该可以：

forward_propgation_results = Process.forward_propagation(images)

另外，您必须将tf.Graph创建的新内容传递给tf.Session构造函数，以便也需要sess在该with块内部移动创建内容。

结果函数将类似于：

def evaluate():
  with tf.Graph().as_default() as g:
    images, labels = Process.eval_inputs(eval_data = eval_data)
    forward_propgation_results = Process.forward_propagation(images)
    init_op = tf.initialize_all_variables()
    saver = tf.train.Saver()
    top_k_op = tf.nn.in_top_k(forward_propgation_results, labels, 1)

  with tf.Session(graph=g) as sess:
    sess.run(init_op)
    saver.restore(sess, eval_dir)
    print(sess.run(top_k_op))

2021-01-20