1. 介紹
首先我們要理解TensorFlow的一個規則，首先構建計算圖（graph），然后初始化graph中的data，這兩步是分開的。
2. 如何恢復模型
有兩種方式（這兩種方式有比較大的不同）：
2.1 重新使用代碼構建圖
舉個例子（完整代碼）：
def build_graph():
w1 = tf.Variable([1,3,10,15],name='W1',dtype=tf.float32)
w2 = tf.Variable([3,4,2,18],name='W2',dtype=tf.float32)
w3 = tf.placeholder(shape=[4],dtype=tf.float32,name='W3')
w4 = tf.Variable([100,100,100,100],dtype=tf.float32,name='W4')
add = tf.add(w1,w2,name='add')
add1 = tf.add(add,w3,name='add1')
return w3,add1
with tf.Session() as sess:
ckpt_state = tf.train.get_checkpoint_state('./temp/')
if ckpt_state:
w3,add1=build_graph()
saver = tf.train.Saver()
saver.restore(sess, ckpt_state.model_checkpoint_path)
else:
w3,add1=build_graph()
init_op = tf.group(tf.global_variables_initializer(),tf.local_variables_initializer())
sess.run(init_op)
saver = tf.train.Saver()
a = sess.run(add1,feed_dict={
w3:[1,2,3,4]
})
print(a)
saver.save(sess,'./temp/model')
上面的流程很簡單，首先build_graph()，然后如果有ckpt文件就從該文件中讀取數據，否則用sess.run(init_op)初始化數據。
那么第一種restore方法就出來了：
build_graph()
saver = tf.train.Saver()
saver.restore(sess, ckpt_state.model_checkpoint_path)
首先build graph，等于是將圖重新建立了一遍，和之前圖的一樣，然后將ckpt文件里的數據restore到圖里的變量里。
當然，在build graph的過程中，你可以在原有的圖里加一些變量，但是加的變量一定要初始化，但是要注意到一個問題，如果使用：
init_op = tf.group(tf.global_variables_initializer(),tf.local_variables_initializer())
sess.run(init_op)
這種方式時，如果定義init_op時的graph中已經存在原有圖的變量，那么sess.run(init_op)會將加載進來的數據清空。
為了解決這個問題，兩種方式：
新定義的變量放在init_op之前，在init_op之后restore（注意，加載好變量后才run(init_op)同樣會覆蓋）
即，init_op得到當前圖中的所有變量，sess.run(init_op)對init_op中的變量進行初始化，所以什么時候定義init_op和什么時候運行run(init_op)都很重要只初始化未初始化的變量
def get_uninitialized_variables(sess):
global_vars = tf.global_variables()
# print([str(i.name) for i in global_vars])
is_not_initialized = sess.run([tf.is_variable_initialized(var) for var in global_vars])
not_initialized_vars = [v for (v, f) in zip(global_vars, is_not_initialized) if not f]
print([str(i.name) for i in not_initialized_vars])
return not_initialized_vars
sess.run(tf.variables_initializer(get_uninitialized_variables(sess)))
PS：注意saver = tf.train.Saver()要定義在圖構建完成之后
? 即將被restore的變量不用初始化，但是只有在restore之后，這些變量才會被初始化，所以在restore之前運行這些值會報沒有初始化的錯。
2.2 利用保存的.meta文件恢復圖
參考：Tensorflow如何保存、讀取model （即利用訓練好的模型測試新數據的準確度）
上面的方式適用于斷點續訓，且自己有構建圖的完整代碼，如果我要用別人的網絡（fine tune），或者在自己原有網絡上修改（即修改原有網絡的某個部分），那么將網絡的圖重新構建一遍會很麻煩，那么我們可以直接從.meta文件中加載網絡結構。
2.2.1 get_tensor_by_name
完整代碼：
def build_graph():
w1 = tf.Variable([1,3,10,15],name='W1',dtype=tf.float32)
w2 = tf.Variable([3,4,2,18],name='W2',dtype=tf.float32)
w3 = tf.placeholder(shape=[4],dtype=tf.float32,name='W3')
w4 = tf.Variable([100,100,100,100],dtype=tf.float32,name='W4')
add = tf.add(w1,w2,name='add')
add1 = tf.add(add,w3,name='add1')
return w3,add1
with tf.Session() as sess:
ckpt_state = tf.train.get_checkpoint_state('./temp/')
if ckpt_state:
saver = tf.train.import_meta_graph('./temp/model.meta')
graph = tf.get_default_graph()
w3 = graph.get_tensor_by_name('W3:0')
add1 = graph.get_tensor_by_name('add1:0')
saver.restore(sess, tf.train.latest_checkpoint('./temp/'))
print(sess.run(tf.get_collection('w1')[0]))
else:
w3,add1=build_graph()
init_op = tf.group(tf.global_variables_initializer(),tf.local_variables_initializer())
sess.run(init_op)
saver = tf.train.Saver()
a = sess.run(add1,feed_dict={
w3:[1,2,3,4]
})
print(a)
saver.save(sess,'./temp/model')
上面使用了import_meta_graph()來加載圖，并用restore給變量賦值。
通過get_tensor_by_name來獲取保存的圖中的op或變量，之后可以對獲取的值進行操作，如果之后save的話，也會將import_meta_graph()中圖引用的部分保存下來。
2.2.2
def build_graph():
w1 = tf.Variable([1,3,10,15],name='W1',dtype=tf.float32)
w2 = tf.Variable([3,4,2,18],name='W2',dtype=tf.float32)
w3 = tf.placeholder(shape=[4],dtype=tf.float32,name='W3')
w4 = tf.Variable([100,100,100,100],dtype=tf.float32,name='W4')
add = tf.add(w1,w2,name='add')
add1 = tf.add(add,w3,name='add1')
tf.add_to_collection('w1','W1:0')
tf.add_to_collection('w3',w3)
tf.add_to_collection('add1',add1)
return w3,add1
with tf.Session() as sess:
ckpt_state = tf.train.get_checkpoint_state('./temp/')
if ckpt_state:
saver = tf.train.import_meta_graph('./temp/model.meta')
w3 = tf.get_collection('w3')[0]
add1 = tf.get_collection('add1')[0]
# run init_op before restore
saver.restore(sess, tf.train.latest_checkpoint('./temp/'))
else:
w3,add1=build_graph()
init_op = tf.group(tf.global_variables_initializer(),tf.local_variables_initializer())
sess.run(init_op)
saver = tf.train.Saver()
a = sess.run(add1,feed_dict={
w3:[1,2,3,4]
})
print(a)
saver.save(sess,'./temp/model')
通過import_meta_graph引進圖，通過get_collection獲得變量，其實和get_tensor_by_name差不多，但是可能會更方便一點。
3. 總結
總的來說，兩種方式都是先構造好圖，然后通過restore來給圖里的變量賦值。
一個常見的問題是，要引入新的變量，對以前的圖進行改造，那么如何初始化新的變量且不覆蓋原來的數據？
- 可以先啥都不管把所有的圖相關的部分構造好后，得到init_op，然后在restore前run(init_op)
- 對未初始化的變量進行初始化
